Você está na página 1de 130

UNIVERSIDADE FEDERAL DE PERNAMBUCO

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO


MESTRADO PROFISSIONAL

APLICAÇÃO DA METODOLOGIA FMEA (ANÁLISE DO


MODO E EFEITOS DE FALHA) NO PROCESSO DE
MONTAGEM DE AEROGERADORES

VLADMIR REIS PONTES

RECIFE, Dezembro/2013
UNIVERSIDADE FEDERAL DE PERNAMBUCO
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO
MESTRADO PROFISSIONAL

APLICAÇÃO DA METODOLOGIA FMEA (ANÁLISE DO


MODO E EFEITOS DE FALHA) NO PROCESSO DE
MONTAGEM DE AEROGERADORES

DISSERTAÇÃO SUBMETIDA À UFPE


PARA OBTENÇÃO DE GRAU DE MESTRE
POR

VLADMIR REIS PONTES


Orientador: Prof. Cristiano Alexandre Virginio Cavalcante, Dsc

RECIFE, Dezembro/2013

ii
iii
A minha família, em especial aos meus pais por
todo o amor e apoio prestado.

iv
AGRADECIMENTOS

Agradeço primeiramente a Deus por ter me iluminado e me guiado para superar as


dificuldades encontradas nesta caminhada;
Aos meus pais, que mesmo diante das dificuldades sempre me incentivaram a estudar e
principalmente à minha mãe que diante da fé em Deus sempre me incentivou;
A minha esposa e companheira Ana Paula, que com sua paciência e compreensão devido
minha falta em momentos importantes sempre me incentivou de maneira veemente para a
conclusão deste trabalho;
Aos amigos e companheiros de trabalho que me ajudaram de forma importante, cada um
de sua maneira, para conclusão deste trabalho;
Ao meu gestor, Antonio Troque, que me incentivou a realizar o mestrado e pela
compreensão e ajuda nos momentos de minha ausência na empresa para que pudesse dar
andamento a este trabalho;
Ao time da engenharia de processos, que na minha ausência mostraram maturidade e
souberam de forma clara e objetiva realizar as atividades;
À empresa, por ter me dado a confiança e a oportunidade de realizar o mestrado através do
incentivo pessoal e financeiro;
Ao Clóvis dos Reis, que sempre me ajudou com suas orientações a trilhar o melhor
caminho dentro da empresa para o meu crescimento profissional;
Ao Prof. Cristiano Cavalcante que com sua paciência e presteza, me orientou de forma
objetiva para o desenvolvimento e conclusão deste trabalho, meus agradecimentos;
Aos funcionários da UFPE/PPGEP pelo apoio prestado no decorrer do mestrado;
Ao amigo Djan Dália, que perante as dificuldades encontradas no decorrer do mestrado,
incentivou de sua maneira para que prosseguíssemos caminhando;
Aos novos amigos da turma do Mestrado que, no decorrer de todo o mestrado, ajudaram
um ao outro buscando superar as dificuldades.

v
RESUMO

Este trabalho apresenta a aplicação da metodologia FMEA a partir de um método proposto


para priorização dos modos de falha aplicados a um processo de montagem de uma empresa
fabricante de aerogeradores com base em um estudo de caso. Devido a competitividade neste
mercado, é crucial que os fabricantes de equipamentos eólicos atendam ou superem os padrões
de qualidade e performance requeridos pelo mercado como também os requisitos de tempo,
preço e custos envolvidos. Uma maneira de se obter estes requisitos é através de um processo
produtivo capaz de possuir credibilidade em suas operações de maneira que não incorpore falhas
ao produto final, garantindo assim a qualidade e performance desejada pelo cliente. Diante do
fato, é proposta a aplicação de uma metodologia que busque eliminar ou minimizar por meio da
análise do modo e efeitos da falha (FMEA) e das ações de melhorias, ocorrências de falhas no
processo de montagem do aerogerador, com o objetivo de melhorar a credibilidade de seu
funcionamento nos parques eólicos. A importância da aplicação da metodologia FMEA pode ser
verificada através da eficácia dos resultados obtidos neste trabalho.

Palavras chaves: FMEA de Processo, Credibilidade e Perfomance dos aerogeradores.

vi
ABSTRACT

This work presents the application of FMEA methodology from a method proposed for
prioritization of failure modes applied to a process of assembly a manufacturer of wind turbines
based on a case study. Due to competitiveness in this market, is crucial that manufacturers of
wind equipment meets or surpass the standards of quality and performance required by the
market as well as the requirements of time, price and costs involved. One way to achieve these
requirements is through a production process capable of possessing credibility in its operations in
a manner that does not incorporate failures in the final product, thus ensuring the quality and
performance desired by the customer. Given the fact, it is proposed the application of a
methodology that tries to eliminate or minimize by analyzing the failure mode and effects
(FMEA) and the improvement actions, occurrences of failures in wind turbine assembly process,
with the aim of improving the credibility of its operation in wind farms. The importance of
applying FMEA methodology can be verified through the effectiveness of the results obtained in
this work.

Key words: Process FMEA, Credibility and Performance of wind turbines.

vii
SUMÁRIO

1 INTRODUÇÃO .........................................................................................1
1.1 JUSTIFICATIVA E PROBLEMÁTICA ....................................................................... 3
1.2 OBJETIVOS ...................................................................................................... 3
1.2.1 Objetivo geral .......................................................................................... 3
1.2.2 Objetivos específicos .............................................................................. 4
1.3 METODOLOGIA ................................................................................................. 4
1.4 ORGANIZAÇÃO DO TRABALHO ........................................................................... 6
2 FUNDAMENTAÇÃO TEÓRICA ...............................................................7
2.1 DIAGRAMA DE PARETO ..................................................................................... 7
2.2 FMEA............................................................................................................. 8
2.2.1 Conceito .................................................................................................. 8
2.2.2 Histórico ................................................................................................ 10
2.2.3 Tipos de FMEA ..................................................................................... 11
2.2.4 FMEA de processo................................................................................ 12
2.2.5 O Formulário FMEA .............................................................................. 14
2.2.6 Etapas para desenvolvimento do FMEA ............................................... 18
2.3 ESTATÍSTICA.................................................................................................. 21
2.3.1 Coleta e análise de dados..................................................................... 21
2.3.2 Estatística Descritiva ............................................................................. 22
2.3.3 Distribuição Normal ............................................................................... 23
2.3.4 Hipóteses Estatísticas ........................................................................... 26
2.3.5 Distribuição t ......................................................................................... 28
2.3.6 Teste de Wilcoxon............................................................................... 289
2.3.7 Gráfico Box-plot .................................................................................... 30
2.4 TESTE DE RESISTÊNCIA DE ISOLAMENTO .......................................................... 31
2.4.1 Objetivo e conceito do teste .................................................................. 31
2.4.2 Medição e interpretação do teste .......................................................... 35
2.5 TESTE DE CAPACITÂNCIA................................................................................ 37
2.5.1 Objetivo e conceito do teste .................................................................. 38

viii
2.5.2 Medição e interpretação do teste .......................................................... 39
3 REVISÃO BIBLIOGRÁFICA ..................................................................41
3.1 CONSIDERAÇÕES GERAIS ............................................................................... 41
3.2 MÉTODOS PARA PRIORIZAÇÃO DOS MODOS DE FALHA ....................................... 45
3.3 CONCLUSÃO .................................................................................................. 53
4 ESTUDO DE CASO ...............................................................................55
4.1 INTRODUÇÃO ................................................................................................. 55
4.2 FLUXOGRAMA APLICADO ................................................................................ 55
4.3 DESCRIÇÃO ................................................................................................... 57
4.3.1 Sistema ................................................................................................. 57
4.3.2 Divisão do sistema ................................................................................ 58
4.4 CENÁRIO ANTES DO FMEA – ANÁLISE DOS DADOS .......................................... 62
4.5 TRATATIVAS DOS DADOS E DEFINIÇÃO DO ESPAÇO AMOSTRAL ........................... 64
4.5.1 Desenvolvimento................................................................................... 66
4.5.2 Resistência de Isolamento .................................................................... 67
4.5.3 Capacitância ......................................................................................... 69
4.5.4 Horas trabalhadas ................................................................................. 71
4.5.5 Apresentação dos resultados ................................................................ 72
4.6 APLICAÇÃO DO FMEA NO PROCESSO DE MONTAGEM DO ESTATOR .................... 73
4.6.1 Introdução ............................................................................................. 73
4.6.2 Elaboração do FMEA ............................................................................ 74
4.6.3 Formulário FMEA .................................................................................. 74
4.6.4 Revisão técnica do processo ................................................................ 75
4.6.5 Brainstorming ........................................................................................ 75
4.6.6 Escalas de Severidade, Ocorrência e Detecção ................................... 75
4.6.7 Preenchimento do formulário FMEA ..................................................... 78
4.6.8 Priorização dos modos de falha ............................................................ 78
4.6.9 Definição e execução do plano de ação ............................................... 80
4.6.10 Ações recomendadas ......................................................................... 81
4.6.11 Análise dos resultados ........................................................................ 85
4.7 CENÁRIO DEPOIS DA APLICAÇÃO DO FMEA ..................................................... 87
4.7.1 Análise dos dados ................................................................................. 87

ix
4.7.2 Tratativa dos dados e definição do espaço amostral ............................ 88
4.7.3 Desenvolvimento................................................................................... 88
4.7.4 Resistência de Isolamento .................................................................... 89
4.7.5 Capacitância ......................................................................................... 91
4.7.6 Horas trabalhadas ................................................................................. 93
4.7.7 Apresentação dos resultados ................................................................ 94
4.8 ANÁLISES DOS RESULTADOS ........................................................................... 95
4.8.1 Comparativo da resistência de isolamento – S1 (Sistema 1) antes e
depois do FMEA ..................................................................................................... 95
4.8.2 Comparativo da resistência de isolamento – S2 (Sistema 2) antes e
depois do FMEA ..................................................................................................... 97
4.8.3 Comparativo da capacitância – S1 (Sistema 1) antes e depois do FMEA
............................................................................................................................... 99
4.8.4 Comparativo da capacitância – S2 (Sistema 2) antes e depois do FMEA
............................................................................................................................. 101
4.8.5 Comparativo das horas trabalhadas antes e depois do FMEA ........... 103
5 CONCLUSÕES ...................................................................................108
REFERÊNCIAS BIBLIOGRÁFICAS .......................................................111
APÊNDICE ............................................................................................116

x
LISTA DE FIGURAS

Figura 2.1 - Exemplo de um diagrama de Pareto...................................................................8


Figura 2.2 - Exemplo de uma curva de distribuição normal................................................24
Figura 2.3 - Exemplo de gráfico de probabilidade...............................................................25
Figura 2.4 - Exemplo de gráfico box-plot............................................................................30
Figura 2.5 - Circuito equivalente das quatro correntes monitoradas durante o
teste de resistência de isolamento........................................................................................32
Figura 2.6 - Tipos de correntes para um sistema de isolamento em asfalto-mica...............34
Figura 2.7 - Tipos de correntes para um sistema de isolamento em epóxi-mica.................34
Figura 2.8 - Seção transversal de uma bobina......................................................................39
Figura 4.1 - Fluxograma das atividades...............................................................................56
Figura 4.2 - Exemplo do aerogerador..................................................................................57
Figura 4.3 - Divisão do aerogerador....................................................................................58
Figura 4.4 - Subsistemas do aerogerador.............................................................................59
Figura 4.5 - Quantidade de ocorrência por subsistema do aerogerador...............................63
Figura 4.6 - Quantidade de ocorrência por subsistema do gerador......................................64
Figura 4.7 - Quantidade de ocorrência por subsistema do gerador......................................65
Figura 4.8 - Região da ocorrência no estator.......................................................................65
Figura 4.9 - Etapas de montagem do estator........................................................................66
Figura 4.10 - Gráfico de normalidade RI-S1 antes do FMEA.............................................68
Figura 4.11 - Gráfico de normalidade RI-S2 antes do FMEA.............................................69
Figura 4.12 - Gráfico de normalidade C-S1 antes do FMEA...............................................70
Figura 4.13 - Gráfico de normalidade C-S2 antes do FMEA...............................................71
Figura 4.14 - Gráfico de normalidade horas trabalhadas antes do FMEA...........................72
Figura 4.15 - Etapas de elaboração do FMEA.....................................................................74
Figura 4.16 - Gráfico de severidade x ocorrência antes das ações do FMEA......................79
Figura 4.17 - Matriz de investigação....................................................................................80
Figura 4.18 - Sobreposição da fita........................................................................................81
Figura 4.19 - Medição entre anéis........................................................................................82
Figura 4.20 - Distância entre ligações..................................................................................83

xi
Figura 4.21 - Feltro entre ligações.....................................................................................83
Figura 4.22 - Terminal de ligação dos cabos de força.......................................................84
Figura 4.23 - Gráfico de severidade x ocorrência depois das ações..................................86
Figura 4.24 - Gráfico de normalidade RI-S1 depois do FMEA........................................90
Figura 4.25 - Gráfico de normalidade RI-S2 depois do FMEA........................................91
Figura 4.26 - Gráfico de normalidade C-S1 depois do FMEA.........................................92
Figura 4.27 - Gráfico de normalidade C-S2 depois do FMEA.........................................93
Figura 4.28 - Gráfico de normalidade horas trabalhadas depois do FMEA.....................94
Figura 4.29 - Teste t RI-S1 antes e depois do FMEA.......................................................95
Figura 4.30 - Teste de Wilcoxon RI-S1 antes e depois do FMEA.................................. 96
Figura 4.31 - Box-plot referente à R1-S1 antes e depois do FMEA. Linha azul
(verde) linha da média (linha da mediana)................................................................................97
Figura 4.32 - Teste t RI-S2 antes e depois do FMEA......................................................98
Figura 4.33 - Teste de Wilcoxon RI-S2 antes e depois do FMEA.................................. 98
Figura 4.34 - Box-plot referente à R1-S2 antes e depois do FMEA. Linha azul
(verde) linha da média (linha da mediana)................................................................................99
Figura 4.35 -Teste t C-S1 antes e depois do FMEA......................................................100
Figura 4.36 - Teste de Wilcoxon C-S1 antes e depois do FMEA..................................100
Figura 4.37 - Box-plot referente à C-S1 antes e depois do FMEA. Linha azul
(verde) linha da média (linha da mediana)..............................................................................101
Figura 4.38 - Teste t C-S2 antes e depois do FMEA.....................................................102
Figura 4.39 - Teste de Wilcoxon C-S2 antes e depois do FMEA..................................102
Figura 4.40 - Box-plot referente à C-S2 antes e depois do FMEA. Linha azul
(verde) linha da média (linha da mediana)..............................................................................103
Figura 4.41 - Teste t horas trabalhadas antes e depois do FMEA ................................104
Figura 4.42 - Teste de Wilcoxon horas trabalhadas antes e depois do FMEA.............. 104
Figura 4.43 - Box-plot referente às horas trabalhadas antes e depois do FMEA.
Linha azul (verde) linha da média (linha da mediana)............................................................ 105

xii
LISTA DE TABELAS

Tabela 2.1: Escala de severidade...................................................................................15


Tabela 2.2: Escala de avaliação de ocorrência..............................................................16
Tabela 2.3: Escala de detecção......................................................................................17
Tabela 2.4: Recomendação mínima dos valores de resistência de isolamento
a 40 °C (valores em MΩ) .............................................................................................37
Tabela 3.1: Métodos e técnicas.....................................................................................52
Tabela 4.1: Disposição dos dados.................................................................................63
Tabela 4.2: Disposição dos dados.................................................................................67
Tabela 4.3: Disposição dos dados antes do FMEA.......................................................72
Tabela 4.4: Escala de severidade..................................................................................76
Tabela 4.5: Escala de ocorrência..................................................................................77
Tabela 4.6: Escala de detecção.....................................................................................77
Tabela 4.7: Disposição dos dados................................................................................87
Tabela 4.8: Disposição dos dados................................................................................88
Tabela 4.9: Disposição dos dados................................................................................94
Tabela 4.10: Disposição dos dados............................................................................105

xiii
Capítulo 1 Introdução

1 INTRODUÇÃO

O setor eólico no Brasil encontra-se em fase de crescimento e a competição neste mercado


torna-se grande devido aos concorrentes de vários países atuando no Brasil. Neste cenário, é
crucial que os fabricantes de equipamentos eólicos introduzam esforços para atender os
requisitos de qualidade e performance requeridos pelo mercado.
Diante das expectativas do mercado, faz-se necessário que as empresas atendam aos
requisitos de tempo, preço, custo e qualidade. Para obter estes requisitos, uma das formas
utilizadas é através de um processo produtivo que seja capaz de possuir confiabilidade em suas
operações de maneira que não agregue falhas ao produto final garantindo assim a qualidade
desejada pelo cliente.
Segundo Slack et al (1996), a credibilidade e a qualidade nas operações, para bens ou
serviços, significa realizar as atividades corretas no tempo acordado para que os clientes recebam
seus bens ou serviços de acordo com as especificações exigidas. As operações internas de uma
empresa possuem efeito similar, onde os clientes internos julgam o desempenho entre os
departamentos, verificando o nível de credibilidade e qualidade das micro operações do
processo. Atuando desta forma, obtêm-se economia de tempo, menor custo e melhor estabilidade
do processo devido o nível de confiança adquirida entre os setores por não introduzirem
problemas ou falhas no processo produtivo. Existe uma probabilidade de quando se fabrica um
produto ou presta-se um serviço, podem acontecer erros durante o processo. Estes erros são
inevitáveis, mas aceitar que ocorram falhas não é. Também não implica que a produção não
possa ou não deva minimizar estas falhas no processo produtivo, ainda que nem todas possuam a
mesma criticidade e outras são acidentais, podendo não ser percebidas. As empresas, portanto,
necessitam discriminar as diferentes falhas e tomar ação naquelas identificadas como críticas ou
nas que possam comprometer o processo produtivo e a qualidade do produto final. Em alguns
casos, uma das atividades criticas para a empresa é procurar entender porque ocorreu uma
determinada falha. Esta é conhecida como análise de falhas. Existem diversas técnicas e
abordagens diferentes utilizadas para descobrir a causa das mesmas.
O tema deste estudo é a utilização da técnica FMEA (Failure Mode and Effects Analysis)
aplicado ao processo de montagem do aerogerador.
O equipamento em estudo é o aerogerador ou turbina eólica, composto por um gerador
síncrono multipolo com tecnologia DDPM (Direct Drive Permanent Magnets), ou seja,

1
Capítulo 1 Introdução

utilização de imãs permanentes com velocidade de rotação variável, potência nominal de


1.5MW, rotor de 77 metros de diâmetro equipado com três pás de 37,5 metros cada, do tipo de
transmissão direta, instalado numa torre de aço com 85 metros de altura. Projetado para atuar
com velocidade do vento entre 3 e 22 m/s, possuindo um conversor de freqüência que busca
adequar a saída da energia gerada realizando um filtro antes de ser inserida na rede elétrica.
O objetivo, com a aplicação do FMEA para o estudo de caso, foi de verificar as falhas
potenciais associadas ao processo de montagem, que trouxeram resultados desfavoráveis para o
funcionamento do aeorgerador, devido à gravidade e à freqüência com que ocorreram estas
falhas, as quais apresentaram severidade e ocorrência altas. As mesmas foram tratadas
especificamente, de forma especial, buscando a identificação de suas causas comuns.
É importante destacar que falhas associadas com a montagem se dão de forma prematura e
ações de manutenção preventiva geralmente não têm efeitos positivos sobre estas, haja vista que
tais ações têm o objetivo de conter o processo de envelhecimento dos equipamentos. Sendo
assim, estando este mal instalado, as falhas deverão ocorrer antes da fase de envelhecimento.
Palady (1997) descreve o FMEA como uma das técnicas de baixo risco mais eficientes
para prevenção de problemas e identificação das soluções mais eficazes referente a custo, a fim
de prevenir estes problemas e que também pode ser utilizada para análise posterior à ocorrência
da falha. Esta ferramenta apresenta uma abordagem estruturada para avaliação, condução e
atualização do desenvolvimento de produto e processos em todas as áreas da empresa, podendo
ser utilizada para associar e manter vários outros documentos da empresa. Caso ocorra qualquer
modificação que afete a qualidade e confiabilidade do produto ou processo, deverá ser avaliada e
documentada no FMEA. Torna-se mais eficaz quando aplicado por uma equipe multidisciplinar.
Seu desenvolvimento e execução geram custos, entretanto, quando realizados de forma eficaz,
trazem um retorno com relação à qualidade e confiabilidade seja ao produto ou processo.
Existem dois tipos de FMEA, o de produto e de processo chamado respectivamente de DFMEA
(Design Failure Mode and Effects Analysis) e PFMEA (Process Failure Mode and Effects
Analysis); a diferença entre eles encontra-se nos objetivos.
Neste trabalho o foco deverá ser o PFMEA ou FMEA de processo, onde seus objetivos
podem ser identificados através de duas perguntas:
i. Como um processo pode não fazer o que deveria fazer?
ii. O que deve ser executado para prevenir essas falhas potenciais de processo?
O trabalho tem como proposta analisar as possíveis causas de falhas do aerogerador através
da aplicação do FMEA em seu processo de montagem, com o objetivo de reduzir ou eliminar

2
Capítulo 1 Introdução

estas falhas através da implantação de melhorias no processo e desenvolver uma metodologia,


contribuindo para que a empresa atinja seus objetivos e metas de produção e de geração de
energia no parque eólico e satisfação dos seus clientes através de um produto confiável no
mercado.

1.1 Justificativa e problemática

A implantação de uma metodologia para analisar as causas das falhas referentes ao


processo de montagem, que por conseqüência trazem a indisponibilidade do funcionamento do
aerogerador no parque eólico, faz com que a utilização desta seja tratada pela organização como
um diferencial competitivo que afeta diretamente os objetivos e resultados da empresa.
Os aerogeradores apresentam falhas, às quais são decorrentes de curto-circuito, o que
provoca a interrupção na geração de energia elétrica e conseqüentemente perda de receita para a
empresa.
Assim, busca-se manter e aumentar a competitividade da empresa através da avaliação e
monitoramento eficaz das variáveis do processo de montagem referente às causas das falhas dos
aerogeradores através da aplicação de uma metodologia que traga melhorias cada vez mais aos
seus processos e produto, contribuindo para um aumento de sua participação no setor eólico.

1.2 Objetivos

1.2.1 Objetivo geral

Este trabalho tem como objetivo geral propor uma metodologia que busque evitar por meio
da análise do modo e efeitos da falha (FMEA) e das ações de melhorias, ocorrências de falhas no
processo de montagem do aerogerador, o que prejudica sua performance operacional nos parques
eólicos. Desta maneira, busca-se avaliar a importância e aplicação da metodologia FMEA em um
sistema através dos resultados obtidos.

3
Capítulo 1 Introdução

1.2.2 Objetivos específicos

Os objetivos específicos deste trabalho são:

 Verificar a aplicabilidade da metodologia FMEA através do método proposto para


priorização dos modos de falhas;
 Analisar as possíveis causas de falhas do aerogerador através da aplicação do FMEA;
 Aplicar a metodologia FMEA proposta no processo de montagem do aerogerador,
em especial em um subsistema (estudo de caso) e verificar os seus principais modos de
falhas;
 Propor ações de melhorias para o processo de montagem que proporcione uma
melhor performance dos aerogeradores nos parques eólicos.

1.3 Metodologia

A metodologia aplicada neste trabalho consiste numa pesquisa bibliográfica referente aos
conceitos e métodos utilizados, como o diagrama de Pareto, FMEA, estatística descritiva,
distribuição normal, hipóteses estatísticas, teste T, teste de resistência de isolamento, teste de
capacitância e gráfico box-plot, buscando fortalecer a base teórica, o que irá ajudar para o
desenvolvimento do trabalho em questão.
Para início do trabalho será realizado o levantamento da base de dados referente aos
aerogeradores que falharam no parque eólico, o que provocaram seu retorno para a fábrica com o
objetivo de serem melhorados. Esta base de dados adotada foi originada de um arquivo digital
em forma de planilha que possuem os dados a serem analisados no estudo de caso.
A base de dados em questão é composta, por exemplo, por valores de resistência de
isolamento, capacitância, etc, mensurados no processo de montagem, e também das horas
trabalhadas destes aerogeradores no parque eólico até o momento em que apresentaram as falhas.
Posteriormente, será realizada a avaliação dos dados para aplicação dos mesmos no estudo
de caso.
A partir dos dados analisados, será realizada uma verificação buscando identificar qual
subsistema do aerogerador apresenta maior incidência de falhas. Como ferramenta, para esta
análise, o diagrama de Pareto servirá de apoio para a definição do subsistema que será o foco do
trabalho.

4
Capítulo 1 Introdução

Depois da definição do subsistema, será aplicado novamente o Pareto com o objetivo de


verificar a região, à qual,ocorreu a falha no aerogerador.
Através da região mapeada, será verificado em qual etapa do processo de montagem,
pertence à mesma, qual passará a ser o foco principal da aplicação do FMEA de processo.
Será criado um time multidisciplinar composto de integrantes das áreas de Engenharia,
Qualidade, Produção e Manutenção, que prestarão apoio para aplicação do FMEA de processo
na área de montagem do aerogerador para o desenvolvimento deste trabalho.
Diante da base de dados já definida, será realizada uma análise dos valores medidos de
resistência de isolamento e capacitância referente ao processo de montagem e também das horas
trabalhadas dos aerogeradores no parque eólico, antes da aplicação do FMEA, com o objetivo
constatar que esta massa de dados obedece a uma distribuição normal.
Com o subsistema e suas etapas de montagem definidos, será iniciada a aplicação do
FMEA a partir da criação do seu formulário, utilizando-o no decorrer do processo, onde constará
o subsistema estudado, objetivo, determinação dos participantes do time, documentos afetados,
data de início, data de fechamento, etc.
Será realizada uma revisão técnica do processo de montagem do subsistema em questão,
com o objetivo de equalizar o conhecimento dos integrantes do time. Desta forma, terá uma
melhor e maior contribuição por parte de toda a equipe para o desenvolvimento do trabalho.
Após a revisão técnica será aplicada junto ao time, a técnica brainstorming com o objetivo
de levantar os possíveis modos de falha para o efeito da falha do subsistema referente às etapas
do processo de montagem.
Com a aplicação do brainstorming, realiza-se um filtro dos possíveis modos de falha, de
maneira ordenada, e depois transferidos para o formulário FMEA.
Posteriormente, serão definidas pelo time as escalas de severidade, ocorrência e detecção
que irão servir de apoio para o seguimento do processo de aplicação do FMEA.
A partir dos modos de falhas e escalas definidas, serão preenchidos os demais campos do
formulário pelo time, avaliando os respectivos campos.
A priorização dos modos de falha deverá ser realizada a partir do método escolhido, o qual,
neste caso, chama-se método proativo, que considera a utilização do valor atribuído de
severidade e ocorrência para determinar a prioridade de cada modo de falha.
Mapeado os modos de falha que apresentaram alta criticidade através da utilização do
gráfico de área, serão aplicadas ações corretivas com o objetivo de eliminar ou minimizar as
falhas potenciais e seus riscos.

5
Capítulo 1 Introdução

Após a implantação das ações corretivas definidas no FMEA do processo de montagem do


subsistema do aerogerador, será realizada uma análise dos resultados obtidos através dos valores
medidos de resistência de isolamento e capacitância no processo de montagem e também das
horas trabalhadas no parque eólico, com o objetivo de constatar que esta massa de dados obedece
a uma distribuição normal.
Para fins de comprovação dos resultados obtidos, será realizada uma análise comparativa
entre médias dos valores de resistência de isolamento e capacitância medidos no processo de
montagem e também das horas trabalhadas do aerogerador no parque eólico, antes e depois da
aplicação das melhorias definidas pela metodologia FMEA.
Finalmente, será sugerida uma metodologia, o FMEA, que poderá ser aplicada em outros
subsistemas do processo de montagem do aerogerador.

1.4 Organização do trabalho

Este trabalho encontra-se estruturado em cinco capítulos.


No capítulo 1 consta a introdução do trabalho onde é relatado o tema, a justificativa e
problemática, objetivos e metodologia utilizada.
No capítulo 2 trata-se da fundamentação teórica dos conceitos e metodologias utilizadas no
trabalho como diagrama de Pareto, FMEA, estatística descritiva, distribuição normal, hipóteses
estatísticas, distribuição t, teste de resistência de isolamento, teste de capacitância e gráfico de
box-plot.
No capítulo 3 consta a revisão bibliográfica referente à aplicação do FMEA em outros
trabalhos.
No capítulo 4 encontra-se descrito o estudo de caso, referente à utilização da metodologia
FMEA em um processo de montagem do aerogerador.
Finalmente, no capítulo 5 encontram-se as conclusões e sugestões para trabalhos futuros.

6
Capítulo 2 Fundamentação Teórica

2 FUNDAMENTAÇÃO TEÓRICA

Este capítulo apresenta alguns conceitos referentes às ferramentas e demais assuntos


utilizados como base teórica para desenvolvimento do trabalho, através da visão de diversos
autores, como diagrama de Pareto, FMEA, estatística descritiva, distribuição normal, hipóteses
estatísticas, distribuição t, teste de resistência de isolamento, teste de capacitância e gráfico de
box-plot.

2.1 Diagrama de Pareto

De acordo com Ramos, Almeida & Araújo (2013), o nome diagrama ou gráfico de Pareto,
tem esta denominação em homenagem ao economista italiano Vilfredo Pareto, que em 1987,
demonstrou sua utilização através de uma distribuição de renda, que poucas pessoas possuíam a
maior parte da renda enquanto muitas pessoas tinham a menor parte desta. Por definição, trata-se
de um método gráfico que apresenta os dados por ordem de ocorrência, importância ou
prioridade. É uma forma de classificar os problemas envolvidos como “pouco vitais” e “muito
triviais”, onde os “pouco vitais” são os problemas que causam um grande número de perdas ou
defeitos e já os “muito triviais” são os problemas que afetam menos a qualidade do produto ou
serviço. Desta forma, permite identificar com eficiência estes tipos de problemas identificando
os de maior importância.
Slack et al (1996), define o diagrama de Pareto como uma técnica de aplicação direta que
busca classificar os itens de informação nos tipos de problemas ou causas de problemas por
ordem de importância, podendo ser utilizado para destacar áreas onde investigações adicionais
podem ser úteis. A análise de Pareto é baseada no fenômeno que ocorre com freqüência e de
relativas poucas causas, buscando explicar a maioria dos defeitos.
Segundo Pereira (2011), a construção do diagrama de Pareto, a partir dos dados coletados,
permite realizar um comparativo entre problemas ou causas de problemas e sua respectiva
ocorrência. Como exemplo, na área de manutenção a análise de comparação é realizada através
dos “Tipos de Falhas x Ocorrência”. Pode ser também utilizado para evidenciar perdas, ou seja,
itens defeituosos e os custos associados.

7
Capítulo 2 Fundamentação Teórica

O diagrama de Pareto é aplicado para diversos tipos de análises, como avaliar as melhorias
de um processo comparando o antes e o depois, avaliar os modos de falhas de um equipamento,
estratificar processos, etc. Segue abaixo exemplo de um diagrama de Pareto (Figura 2.1).
Neste trabalho, o diagrama de Pareto será utilizado para evidenciar quais subsistemas do
aerogerador apresentaram maior quantidade de falhas.

Figura 2.1: Exemplo de um diagrama de Pareto


Fonte: http://gravadoralobenwein.com

2.2 FMEA

2.2.1 Conceito

O FMEA (Failure Mode and Effects Analysis) é um método sistemático com o objetivo de
identificar e prevenir os problemas de produto e de processo antes que eles ocorram. Os FMEAs
têm como foco a prevenção de defeitos, visando uma melhor segurança e aumentando a
satisfação dos clientes. O ideal, é que o FMEA seja realizado na etapa de projeto do produto ou
nas etapas de desenvolvimento do processo, embora a utilização de um FMEA em produtos ou
processos já existentes também traz benefícios consideráveis (McDERMOTT, MIKULAK &
BEUAREGARD, 2009).
Palady (1997) cita que o FMEA é uma das técnicas de baixo risco mais eficientes na
prevenção de problemas e identificação das soluções mais eficazes baseado nos custos. Dispõe
de uma abordagem estruturada para avaliar, conduzir e atualizar o desenvolvimento de um
produto ou processo em todas as áreas da organização. Funciona como um diário, ou seja, inicia-
se na concepção do projeto do produto, processo ou serviço, sendo mantido durante o ciclo de

8
Capítulo 2 Fundamentação Teórica

vida do produto. Qualquer alteração durante este período, que afete a qualidade ou confiabilidade
do produto, deve ser realizada com uma avaliação e posteriormente documentado no FMEA.
Segundo Slack et al (1996), o objetivo de um FMEA é identificar os potenciais modos de
falha de um produto ou processo através de um check-list baseado em três perguntas para cada
possível modo de falha:
 Qual a conseqüência se a falha ocorrer?
 Qual a probabilidade da falha ocorrer?
 Como a falha pode ser detectada antes que aconteça?
O FMEA trata de uma metodologia específica para avaliar um sistema, produto, processo
ou serviço para identificar possíveis formas pelas quais as falhas (problemas, erros, riscos, etc.)
podem ocorrer. Para cada falha potencial são estabelecidos valores para alguns parâmetros
chamados de severidade, ocorrência e detecção. Para cada causa será avaliada a necessidade de
se tomar ação, planejar ou ignorar. O objetivo é de minimizar o efeito da falha (STAMATIS,
1995).
O manual de FMEA da QS 9000 menciona que o FMEA é uma atividade importante para
qualquer organização e como seu desenvolvimento é realizado através de atividades
multidisciplinares e que afeta um conjunto de etapas para realização do produto ou processo, sua
implantação deve ser bem planejada de forma a garantir sua eficácia. O FMEA é parte integrante
da gestão de risco e do suporte à melhoria contínua. Não deve ser adotada como um evento
único, e sim de uso contínuo e de longo prazo, que complementa o desenvolvimento de produtos
e processos, de forma que as falhas potenciais sejam avaliadas e que ações sejam adotadas com o
objetivo de reduzir seus riscos (Instituto da Qualidade Automotiva - IQA, 2008).
Segundo Palady (1997), os cinco elementos básicos para se obter eficácia em um FMEA
são:
1. Selecionar o produto ou processo que possua o maior potencial de retorno de
qualidade e confiabilidade para a empresa e seus clientes;
2. Responder as três perguntas:
 Como pode falhar?
 Porque falha?
 O que acontece se a falha ocorrer?
3. Desenvolver um esquema para identificar os modos de falha potenciais mais
importantes, com o objetivo de melhorá-los;

9
Capítulo 2 Fundamentação Teórica

4. Priorizar os modos de falha potenciais que deverão ser tratados;


5. Por último, o acompanhamento. Como suporte para esta etapa, geralmente são
utilizados métodos estatísticos antes de preencher as colunas do FMEA ou aprovar as
recomendações para as ações corretivas e compromisso do time para a evolução do
processo.

2.2.2 Histórico

As primeiras aplicações do FMEA realizadas formalmente surgiram na indústria


aeroespacial em meados de 1960 com foco direcionado à questão da segurança. Com o passar do
tempo, tornou-se uma ferramenta chave para melhoria da segurança das indústrias de processos
químicos. Até os dias atuais, o FMEA é utilizado com o objetivo de se obter melhorias no âmbito
da segurança e demais áreas de uma organização. Enquanto os engenheiros analisavam as falhas
potenciais de um produto ou processo, a metodologia FMEA padronizou a abordagem e o tipo e
estabeleceu um método de linguagem que pode ser utilizado em diversas áreas internas da
organização e também entre empresas. A indústria automobilística adaptou a metodologia
FMEA para utilizá-la em seu sistema de qualidade como uma ferramenta no processo de
melhoria contínua (McDERMOTT, MIKULAK & BEUAREGARD, 2009).
No final do século XX, a indústria automobilística dos Estados Unidos da América, através
da QS-9000, fundada em 1996, definiu alguns requisitos de fornecimento para seguimento dos
fornecedores, e os esforços globais pela IATF (Internacional Automotive Task Force), para
construir na QS-9000 e também em outros padrões internacionais de qualidade, o
desenvolvimento da norma ISO/TS 16949. A revisão desta norma, realizada no ano de 2002,
inclui a ISO 9001:2000, definindo os requisitos do sistema de qualidade para o setor
automobilístico e para fornecedores de peças e serviços de maior relevância. A norma
recomenda que estes fornecedores apliquem a metodologia FMEA em seus produtos e processos
com o objetivo de evitar ou minimizar as falhas potenciais existentes (McDERMOTT,
MIKULAK & BEUAREGARD, 2009).
Atualmente o FMEA é uma exigência dos programas de qualidade da própria organização
e de seus fornecedores. Como exemplo, são incluídos, na norma QS 9000 (Quality System), as
indústrias automobilísticas Chrysler, Ford e General Motors e a Norma do Departamento de
Defesa 1629A, que está atualmente em processo de revisão. O FMEA é considerado, para
normas de qualidade, como uma diretriz. Em outros setores não atua como exigência, por

10
Capítulo 2 Fundamentação Teórica

exemplo, no cGMP (current Good Manufacturing Practices) da empresa Food and Drug
Administration e a série de normas de qualidade da International Organization for
Standardization, norma série ISO 9000 (PALADY, 1997).
A tendência é que o FMEA torne-se uma exigência global para as organizações e padrões
de qualidade a um médio prazo.

2.2.3 Tipos de FMEA

Conforme Palady (1997) surgiram dois tipos de FMEA, a partir da sua utilização nos anos
60, sendo eles:
 FMEA de produto também conhecido como DFMEA (Design Failure Modes and
Effects Analysis);
 FMEA de processo, o PFMEA (Process Failure Modes and Effects Analysis).
Com base nestes dois tipos, surgiram outras versões de FMEA, cada um com seus
objetivos, mas compartilham elementos básicos comuns para alcançar os objetivos. Para cada
tipo de FMEA, seja ele de produto ou processo, os objetivos são bem diferentes, podendo ser
identificados através de duas perguntas, onde:
No FMEA de produto as perguntas são:
 Como esse produto pode deixar de realizar suas funções?
 O que deve ser realizado para prevenir as falhas potenciais no produto?
Já para o FMEA de processo, as perguntas são diferentes:
 Como esse processo pode deixar de realizar suas funções?
 O que deve ser feito para prevenir as falhas potenciais no processo?
O FMEA de produto é utilizado para analisar o produto em sua fase de desenvolvimento
do projeto, com o foco de verificar a causa dos modos de falha a fim de evitá-las antes da
liberação do produto para fabricação. Desta forma, o projeto terá uma melhor qualidade e
garantia em sua concepção e redução dos custos envolvidos devido à possível falha. Já o FMEA
de processo é utilizado para analisar o processo de fabricação e montagem de um produto, tendo
como foco, verificar a causa dos modos de falha a fim de eliminá-las ou minimizá-las no
decorrer do processo. Com isso, terá uma melhoria da qualidade do processo em geral, redução
dos custos envolvidos devido à falha, melhoria da manutenção e da produtividade (STAMATIS,
1995).

11
Capítulo 2 Fundamentação Teórica

Os objetivos são diferentes, portanto devem ser tratados separadamente para cada tipo de
FMEA. Desta forma busca-se o não comprometimento dos objetivos do produto que possam vir
a causar danos aos objetivos de processo e vice-versa. O desenvolvimento e manutenção eficaz
de um FMEA trazem consigo alguns benefícios, de acordo com Palady (1997):
 Economia relacionada aos custos e no tempo de desenvolvimento;
 Auxilia no desenvolvimento de sistemas eficazes de manutenção preventiva;
 Reduz eventos não previsíveis na fase de planejamento de um processo;
 Fornece respostas rápidas para solução dos problemas;
 Aumenta a satisfação do cliente;
 Utilizado como documento chave para acompanhamento do produto ou processo na
organização;
 Identifica os requisitos de segurança;
 Reduz os custos desnecessários no processo;
 Evita a repetição dos mesmos erros;
 Detém o conhecimento do produto e processo na organização.

2.2.4 FMEA de processo

Segundo McDermott, Mikulak & Beauregard (2009), o FMEA de processo busca verificar
as causas dos modos de falhas potenciais inerente ao processo de fabricação de um produto, com
foco de eliminar ou minimizar estas no decorrer do processo. Este tipo de FMEA apóia o
desenvolvimento do processo de fabricação buscando reduzir os riscos associados às falhas
potenciais através da:
 Identificação e avaliação das funções e requisitos do processo;
 Identificação e avaliação dos modos de falhas potenciais;
 Identificação e avaliação dos efeitos das falhas potenciais;
 Identificação das causas potenciais do processo de fabricação ou montagem;
 Identificação das variáveis do processo com foco em viabilizar os controles de
processo, buscando desta forma a redução da ocorrência ou maior detecção das falhas;
 Definição de um sistema de prioridades para as ações e controles preventivos e/ou
corretivos.

12
Capítulo 2 Fundamentação Teórica

Considera-se que o produto, da forma como foi projetado, atenderá ao objetivo proposto,
mas caso ocorram modos de falhas potenciais devido a uma fragilidade do produto, estes podem
ser incluídos no FMEA de processo para posterior tratamento. O FMEA de processo não possui
dependência de modificação do produto para superar as limitações do processo. Mas, considera
as características do produto para o desenvolvimento do processo de fabricação ou montagem, de
maneira a atender aos requisitos do produto e expectativas do cliente (IQA, 2008).
O desenvolvimento de um FMEA de processo deve ser realizado e acompanhado por uma
equipe multidisciplinar, ou seja, formada por representantes de todas as áreas envolvidas, onde
geralmente possui como líder o engenheiro responsável pelo processo, ficando a cargo deste,
realizar a participação de todos os envolvidos de forma direta e ativa. Deve funcionar com um
catalisador, buscando estimular a interação de idéias entre as áreas afetadas, promovendo uma
abordagem de equipe (IQA, 2008).
É importante que a equipe do FMEA defina de forma clara e objetiva, perante a empresa,
os limites referentes aos critérios e responsabilidades que serão adotados, tais como
(McDERMOTT, MIKULAK & BEUAREGARD, 2009):
Existe outra equipe responsável pelo FMEA?
 A equipe terá poder de veto para as recomendações e implantação das melhorias?
 Qual o orçamento para o FMEA?
 Quais outros recursos estarão disponíveis para a equipe?
 Qual o prazo para conclusão do FMEA?
 Como deverá ser a comunicação dos resultados obtidos pelo FMEA para o restante
da empresa?
Segundo Palady (1997), para um FMEA realizado em equipe, este terá melhor êxito na
identificação e prevenção dos modos de falhas potenciais do que realizado individualmente. Os
custos, quando realizado de forma individual, é bem menor, mas não garante o melhor retorno
referente à qualidade e confiabilidade quando realizado em equipe. A equipe deve criar um
formulário com o objetivo de formalizar em um documento todo o desenvolvimento do FMEA
de processo, tornando-o um arquivo ativo dentro da empresa.
Como mencionado, o FMEA de processo é um documento vivo e deve ser revisado sempre
que o produto ou processo sofrer algum tipo de modificação, sendo posteriormente atualizado
(IQA, 2008).

13
Capítulo 2 Fundamentação Teórica

A utilização de maneira eficaz de um FMEA de processo traz consigo impactos positivos


para o alcance dos resultados de uma organização (McDERMOTT, MIKULAK &
BEUAREGARD, 2009).

2.2.5 O Formulário FMEA

O FMEA deve ser documentado através de uma planilha específica, de forma a capturar
todas as informações importantes sobre o mesmo, servindo como uma excelente ferramenta de
comunicação. A planilha pode ser criada de forma customizada pela organização, buscando
atender suas necessidades (McDERMOTT, MIKULAK & BEUAREGARD, 2009).
O objetivo do formulário é servir de guia para documentar as discussões e análises da
equipe referente aos elementos do FMEA de Processo. Segue abaixo o descritivo dos elementos
de um formulário de FMEA de processo proposto, onde seu cabeçalho deve identificar com
clareza o foco do FMEA e as informações referentes ao processo de desenvolvimento e controle
do documento. Seguem os elementos que devem conter no formulário (IQA, 2008):
Número do FMEA – Utilizado para identificar o formulário do FMEA, serve para
controle dos documentos;
Responsabilidade pelo processo – Organização e departamentos responsáveis pelo
processo;
Ano Modelo / Programa – Trata-se do ano, modelo e programa do produto que terá o
foco do trabalho;
Data chave – Data limite inicial do FMEA de processo, não devendo exceder a data
programada para início de produção;
Data do FMEA – Data original de conclusão do FMEA de processo e a última data de
revisão;
Equipe central – Membros da equipe responsáveis pelo desenvolvimento do FMEA de
processo;
Elaborado por – Informações de contato do líder do FEMA de processo e nome da
empresa;
Documentos afetados – Documentos de apoio para o desenvolvimento do FMEA de
processo;
Etapa de processo – Corresponde à etapa do processo que está sendo analisada;

14
Capítulo 2 Fundamentação Teórica

Função de Processo – Corresponde à função/objetivo da operação para cada etapa do


processo que está sendo analisada;
Requisitos – Descreve os requisitos para cada função do processo buscando atender ao
objetivo proposto e aos requisitos do cliente;
Modo de falha potencial – Trata-se da maneira pela qual o processo pode vir a falhar, não
atendendo aos requisitos especificados do processo;
Efeito potencial de falha – Definido como os efeitos dos modos de falha e de certa forma
percebidos pelo cliente;
Severidade (S) – Está associada à gravidade do efeito para um modo de falha que interfere
no processo, caso ocorra. A definição das escalas de severidade e seus critérios devem ser
definidos para cada organização dependendo da natureza do seu produto e processo, tomando
por base outras tabelas (Tabela 2.1);

Tabela 2.1: Escala de severidade


Fonte: Palady (1997, p. 61)

Descrição da Escala de Severidade Grau

Efeito não percebido pelo cliente 1

Efeito bastante insignificante, percebido pelo cliente; entretanto, não faz com que o
2
cliente procure o serviço.

Efeito insignificante, que perturba o cliente, mas não faz com que procure o serviço. 3

Efeito bastante insignificante, mas perturba o cliente, fazendo com que procure o
4
serviço.
Efeito menor, incoveniente para o cliente; entretanto, não faz com que o cliente
5
procure o serviço.
Efeito menor, incoveniente para o cliente; fazendo com que o cliente procure o
6
serviço.
Efeito moderado, que prejudica o desempenho do projeto, levando a uma falha grave
7
ou a uma falha que pode impedir a execução das funções do projeto.
Efeito significativo, resultando em falha grave; entretanto não coloca a segurança do
8
cliente em risco e não resulta em custo significativo da falha.
Efeito crítico que provoca a insatisfação do cliente, interrompe as funções do
projeto, gera custo significativo da falha e impõe um leve risco de segurança (não 9
ameaça a vida e nem provoca incapacidade permanente) ao cliente.
Perigoso, ameaça a vida ou pode provocar incapacidade permanente ou outro custo
siginificativo da falha que coloca em risco a continuidade operacional da 10
organização.

15
Capítulo 2 Fundamentação Teórica

Classificação – Utilizada para destacar os modos de falha que apresentaram prioridade alta
e que requerem avaliação especial;
Causas potenciais de modo de falha – Trata-se da indicação de como a falha poderá
ocorrer para cada modo de falha, indicando uma vulnerabilidade do processo;
Ocorrência (O) – Está associada à freqüência com que o modo de falha poderá vir a
ocorrer. A definição das escalas de ocorrência e seus critérios devem ser definidos para cada
organização, dependendo da natureza do seu produto e processo, tomando por base outras tabelas
(Tabela 2.2);

Tabela 2.2: Escala de avaliação de ocorrência


Fonte: Palady (1997, p. 71)

Escala de Avaliação de Ocorrência Grau

Extremamente remoto, altamente improvável. 1

Remoto, improvável. 2

Pequena chance de ocorrência. 3

Pequeno número de ocorrências. 4

Espera-se um número ocasional de falhas. 5

Ocorrência moderada. 6

Ocorrência freqüente. 7

Ocorrência elevada. 8

Ocorrência muito elevada. 9

Ocorrência certa. 10

Controles atuais de processo – Tipos de controles que podem evitar a ocorrência do


modo de falha. Os controles podem ser de prevenção e detecção;
Detecção (D) – Trata-se da chance de se detectar o modo de falha antes que ele ocorra,
através do melhor controle utilizado durante o processo. A definição das escalas de detecção e
seus critérios devem ser definidos para cada organização, dependendo da natureza do seu
produto e processo, tomando por base outras tabelas (Tabela 2.3);

16
Capítulo 2 Fundamentação Teórica

Tabela 2.3: Escala de detecção


Fonte: Palady (1997, p. 81)

Escala de Detecção Grau

É quase certo que será detectado. 1

Probabilidade muito alta de detecção. 2

Alta probabilidade de detecção. 3

Chance moderada de detecção. 4

Chance média de detecção. 5

Alguma probabilidade de detecção. 6

Baixa probabilidade de detecção. 7

Probabilidade muito baixa de detecção. 8

Probabilidade remota de detecção. 9

Detecção quase impossível. 10

Determinando prioridades de ação – Definição da abordagem que será utilizada para


determinar a prioridade dos modos de falhas;
Avaliação de risco (NPR) – Tipo de abordagem para determinar prioridade dos modos de
falha através do valor do Número de Prioridade de Risco (NPR), calculado pelo produto dos
fatores de severidade, ocorrência e detecção, sendo: NPR = Severidade (S) x Ocorrência (O) x
Detecção (D).
Ações recomendadas – Ações com objetivo de reduzir os índices de severidade,
ocorrência e detecção de cada modo de falha;
Responsável pela ação – Nome do grupo ou responsável pela ação;
Data de conclusão pretendida – Data para conclusão da ação;
Resultado das ações – Após a implantação das ações recomendadas, verifica o efeito dos
resultados das ações através dos índices de severidade, ocorrência, detecção e do NPR;
Ações executadas – Descrição das ações implantadas no produto ou processo de
fabricação ou montagem;
Data de conclusão das ações – Data real de conclusão das ações.

17
Capítulo 2 Fundamentação Teórica

2.2.6 Etapas para desenvolvimento do FMEA

O desenvolvimento de um FMEA de processo ou produto deve seguir as dez etapas abaixo


(McDERMOTT, MIKULAK & BEUAREGARD, 2009):

1ª etapa: Analisar o processo ou produto


A equipe do FMEA deve realizar uma revisão técnica do produto ou processo que terá o
foco de atuação. Desta forma, irá garantir que todos os membros da equipe tenham um
entendimento e conhecimento nivelado do produto ou processo em questão. É importante nesta
etapa a participação de um especialista, pois através da sua experiência e conhecimento
adquirido, irá ajudar no andamento das atividades e para o processo de tomada de decisão. Caso
seja necessário realizar algum tipo de treinamento junto à equipe para ajudar no desenvolvimento
do FMEA, este poderá ser conduzido por algum integrante da equipe ou o líder do FMEA.

2ª etapa: Realizar brainstorming para identificar os modos de falhas potenciais


Logo após os membros da equipe terem a compreensão do produto ou processo, é iniciado
o debate para o levantamento dos possíveis modos de falhas potenciais que podem afetar a
qualidade do produto ou do processo de fabricação ou montagem. Utiliza-se a ferramenta
brainstorming para ajudar no desenvolvimento desta etapa, através da organização das idéias
levantadas pela equipe de forma a se obter os resultados esperados. Dependendo da
complexidade do produto ou processo, é recomendado realizar várias sessões de brainstorming,
cada uma com foco em elementos ou categorias diferentes. Desta forma, organizando as idéias
por categoria, ficará mais fácil para a equipe trabalhar no agrupamento dos modos de falhas
potenciais e posteriormente tomar a decisão de quais modos de falhas serão transcritos para o
formulário do FMEA.

3ª etapa: Identificar os efeitos potenciais para cada modo de falha


Com os modos de falhas preenchidos no formulário do FMEA, a equipe deve identificar
o(s) efeito(s) potencial(is) da falha que pode ocorrer para cada modo de falha. Alguns modos de
falha podem apresentar mais de um efeito potencial. A pergunta que deve ser feita para
identificar este possível efeito é: Caso o modo de falha potencial ocorrer, qual o efeito causado?
Agindo desta forma, irá ajudar a equipe no levantamento do(s) efeito(s) potencial(is) para
preenchimento no formulário do FMEA.

18
Capítulo 2 Fundamentação Teórica

4ª etapa: Determinar a escala de severidade para cada efeito


Nesta etapa deve-se determinar a escala de severidade para cada efeito potencial de falha;
caso ocorra dois ou mais efeitos para um modo de falha, estes devem ser estimados
separadamente. Para facilitar na estimativa da escala de severidade, deve-se realizar a seguinte
pergunta: Qual a gravidade do efeito do modo de falha? Isto irá apoiar a equipe para o
preenchimento da escala do(s) efeito(s) no formulário do FMEA. Em alguns casos, a severidade
é estimada baseada na experiência dos membros da equipe.

5ª etapa: Determinar a escala de ocorrência de cada modo de falha


Um dos métodos para determinar a escala de ocorrência para cada modo de falha é
utilizando os dados reais do processo através de informações de capabilidade do processo. Caso
não exista, a equipe deve estimar de forma subjetiva através da seguinte pergunta: Qual
freqüência pode ocorrer o modo de falha? Desta forma, a equipe pode estimar melhor a escala
que será adotada para cada modo de falha e preencher o formulário do FMEA.

6ª etapa: Determinar a escala de detecção para cada modo de falha e/ou efeito
A escala de detecção visa estimar qual o grau de precisão para se detectar um modo de
falha e/ou efeito potencial da falha antes que o mesmo ocorra. Para ajudar a definir as escalas, a
equipe pode adotar a pergunta: Qual a chance de detectar o modo de falha e/ou efeito potencial
que provoca este modo de falha? Uma maneira utilizada é verificar se existem controles atuais
que possam detectar um modo de falha e/ou efeito. Caso não haja controles, a probabilidade de
se detectar será baixa, onde o modo de falha em questão receberá uma classificação elevada.
Segundo Palady (1997), a melhoria nos índices de detecção deve ser tratada, mas não como
prioridade. Inicialmente, deve-se tentar reduzir os índices de severidade e ocorrência, pois a
oportunidade de retorno com relação aos requisitos de qualidade e confiabilidade para o cliente e
também para a organização, encontra-se nestes dois primeiros índices.

7ª etapa: Calcular o número de prioridade de risco (NPR) para cada efeito


O número de prioridade de risco (NPR) é obtido através do produto dos índices de
severidade, ocorrência e detecção, onde: NPR = Severidade x Ocorrência x Detecção.
Dependendo do tipo de abordagem adotada pela organização, o NPR pode servir de
parâmetro para verificar quais modos de falhas devem ser tratados.

19
Capítulo 2 Fundamentação Teórica

Segundo Palady (1997), adotando-se o NPR como fator decisivo para priorização dos
modos de falhas, corre-se o risco da equipe do FMEA concentrar-se em esforços para melhoria
de um modo de falha que possa ser menos crítico do que a qualidade, confiabilidade e a
segurança de outros modos de falha com NPR menores.

8ª etapa: Priorizar os modos de falha para definir as ações


Para priorizar os modos de falhas através da utilização do NPR específico para cada modo,
faz-se necessário classificar em ordem decrescente os NPRs dos modos de falhas levantados no
formulário do FMEA. Pode-se aplicar a regra 80/20 para a classificação destes NPRs sendo
representados por um gráfico de Pareto. Logo após, a equipe deve definir um ponto de corte para
o NPR, ou seja, estipular um número para o NPR, onde abaixo deste, não deverão ser tratados no
plano de ação. Desta forma, irá ajudar a equipe a definir quais modos de falhas serão tratados.
Segundo Palady (1997), outro método para priorizar os modos de falhas é através da
utilização apenas dos índices de severidade e ocorrência, conhecida como abordagem proativa ou
método proativo. Trata-se de uma abordagem gráfica que utiliza apenas os índices de severidade
e ocorrência buscando interpretar e selecionar os modos de falhas de maior importância. Nesta
abordagem, os índices de detecção não são utilizados como fator de decisão; entretanto, pode ser
utilizado como oportunidade de melhoria no decorrer do processo.

9ª etapa: Executar o plano de ação buscando eliminar ou minimizar os modos de


falha
Após priorizar os modos de falhas, a equipe deve adotar um plano de ação para solucionar
os problemas encontrados com o objetivo de eliminar ou reduzir os modos de falhas
selecionados. A abordagem mais fácil de obter melhorias no produto ou processo é aumentando
o nível de detecção do modo de falha, mas este tipo de prática geralmente não conduz à melhoria
de qualidade e confiabilidade esperadas para o produto ou processo. O ideal é que a equipe atue
na redução do índice de severidade, principalmente para casos que podem causar danos. A
melhor oportunidade de melhoria está na redução do índice da ocorrência do modo de falha
potencial, pois caso consiga atingir esta redução, é praticamente improvável que a falha ocorra, a
não ser que seja necessário atuar também no índice de detecção.

20
Capítulo 2 Fundamentação Teórica

10ª etapa: Calcular o NPR resultante


Posterior à implantação das ações para os modos de falhas selecionados a fim de obter
melhorias no produto ou processo, é necessário realizar uma nova avaliação para os índices de
severidade, ocorrência e detecção, para verificar se houve êxito através do NPR resultante. Estes
podem ser representados através de um diagrama de Pareto comparando o antes e o depois. A
diretriz de aceitar ou não se o NPR resultante é aceitável, ficará a cargo da empresa junto à
equipe do FMEA. Este tipo de decisão depende de empresa para empresa, pois está associado, de
qual e quanto é o risco que se pode correr.
Conforme Palady (1997), após a identificação dos modos de falha prioritários através da
método proativo baseados nos índices de severidade e ocorrência, estes devem ser tratados com a
implantação das ações definidas. Posteriormente à execução das ações, deve ser atribuído novos
valores aos índices de severidade e ocorrência para cada modo de falha, e representá-los de
forma gráfica com o objetivo de verificar se houve melhorias significativas do produto ou
processo. A diferença deste tipo de abordagem para com a utilização do NPR, é que no método
proativo a detecção não é tratada como prioridade e sim como oportunidade de melhoria. Desta
forma, busca-se uma melhor eficácia da aplicação do FMEA e obtenção dos melhores resultados.
Neste trabalho, esta etapa é fundamental, pois a metodologia FMEA será aplicada ao
processo de montagem do aerogerador através da abordagem proativa para priorização dos
modos de falha, com o objetivo de verificar as falhas potenciais que trouxeram resultados
desfavoráveis ao subsistema estudado, devido à gravidade e à freqüência com que ocorreram
estas falhas e propor ações de melhorias buscando eliminá-las ou minimizá-las.

2.3 Estatística

A estatística encontra-se interessada nos métodos científicos para a coleta, organização,


síntese, apresentação e análise de dados, bem como na obtenção de conclusões verdadeiras e na
tomada de decisões com base em tais análises (SPIEGEL, 1993).

2.3.1 Coleta e análise de dados

Juran e Gryna (1992), citam que todo processo deve possuir um planejamento cuidadoso
para a coleta e análise de dados, buscando tirar conclusões estatísticas e transição para a resposta
ao problema original. Para isso, devem-se seguir alguns passos-chave, ou seja:

21
Capítulo 2 Fundamentação Teórica

 Coletar informações anteriores suficientes para traduzir o problema em um problema


específico, que possa ser avaliado por métodos estatísticos;
 Planejar a coleta de dados, determinar o tipo de dado necessário, se aplicável ao
problema, calcular o tamanho da amostra, etc;
 Coletar os dados através da utilização de métodos seguros de forma a assegurar que a
amostra foi selecionada aleatoriamente, registrar e examinar os dados para garantir que o
processo mostre estabilidade suficiente para realizar previsões válidas para o futuro;
 Analisar os dados, selecionando-os e avaliando as hipóteses estabelecidas para
determinar o tamanho da amostra, aplicar técnicas estatísticas e determinar se dados e
análises adicionais são necessários;
 Verificar as conclusões da análise de dados para determinar se o problema foi
devidamente avaliado;
 Apresentar os resultados estabelecendo as conclusões de forma significativa,
enfatizando os resultados nos termos do problema e representando graficamente quando
apropriado;
 Determinar se as conclusões do problema são aplicáveis ou úteis para outros
problemas.

2.3.2 Estatística Descritiva

A estatística descritiva tem por objetivo descrever as características importantes de uma


população através de tabelas e gráficos (RAMOS, ALMEIDA & ARAÚJO, 2013).

2.3.2.1 Média
Segundo Spiegel (1993), a média de um conjunto de N números X1, X2, Xn pode ser
representada por (lê-se X barra). Para um dado conjunto de dados, a média sempre existe, tem
valor único e é sensível à presença de valores extremos, sendo definida pela equação (2.1):

= (2.1)

onde: n é o numero de observações da amostra.

22
Capítulo 2 Fundamentação Teórica

2.3.2.2 Mediana
Spiegel (1993) define que a mediana de uma amostra de números, organizados em ordem
de grandeza, é o valor central ou o valor da média aritmética dos dois valores centrais.
Geometricamente, a mediana é o valor de X correspondente à abscissa que divide o histograma
em duas partes de áreas iguais.
É utilizada para reduzir os efeitos dos valores extremos, para dados que possam ser
ordenados ou para situações que requerem testes especiais (JURAN & GRYNA, 1992).

2.3.2.3 Desvio Padrão


Os dados sempre encontram-se dispersos ao redor da zona de tendência central (para este
caso da média), e a extensão dessa dispersão é chamada de dispersão ou variação. A medida
mais importante de variação é o desvio-padrão (JURAN & GRYNA, 1992). O desvio-padrão da
amostra é dado pela equação (2.2):

s= (2.2)

onde:
n = número de observações
S = desvio-padrão amostral
= somatória
X = valores observados da amostra
= média
Neste trabalho é aplicada a estatística descritiva através das medidas de tendência central
(média e mediana) e medidas de dispersão (desvio padrão) para desenvolvimento do estudo de
caso.

2.3.3 Distribuição Normal

Numa distribuição normal ou de Gauss, a curva normal é simétrica em relação à origem.


Supondo que a área total sob a curva assuma o valor igual a 1, a variável X terá como
probabilidade de ocorrência entre x1 e x2, um valor igual à área sob a região da curva entre esses

23
Capítulo 2 Fundamentação Teórica

dois valores. Dados que sofrem influência por vários efeitos aleatórios pequenos e não
relacionados possuem distribuição aproximadamente normal. Como exemplo, pode-se citar a
estatura das pessoas por estarem relacionadas a fatores genéticos, ambientais, região geográfica e
outras, que combinadas, produzem valores normalmente distribuídos (ANDRIOTTI, 2003).
Segundo Spiegel (1993), a distribuição normal é definida pela equação (2.3):

(2.3)
onde:
μ = média da população
σ = desvio padrão
π = 3,14159...
e = 2,71828...

Note que uma distribuição normal utiliza estimativa apenas da média e do desvio-padrão
da população com o objetivo de se realizar previsões desta população. A curva para a
distribuição de probabilidade normal está associada a uma distribuição de freqüência e seu
histograma (JURAN & GRYNA, 1992).
As áreas representativas sob a curva de distribuição normal podem ser verificadas
conforme abaixo (Figura 2.2):

Figura 2.2: Exemplo de uma curva de distribuição normal


Fonte: http://claseslucy2012.blogspot.com.br

24
Capítulo 2 Fundamentação Teórica

Verifica-se que 68,3% da população ficarão entre a média da população ± 1 desvio-padrão


da população, 95,5% da população ficarão entre a média ± 2σ e 99,7% da população ficarão
entre a média e ± 3σ. É importante lembrar que, a porcentagem da amostra dentro de uma série
de limites pode ser diferente da porcentagem da população dentro dos mesmos limites da
população. Trata-se de um fato que deve ser levado em consideração no teste de hipótese. Existe
outra forma para realizar previsões baseadas em uma distribuição normal através do papel de
probabilidade. Estes são desenvolvidos com dados de um tipo de distribuição especial, sendo
representados de forma gráfica como uma linha reta, ou seja, uma amostra de dados de uma
população distribuída normalmente é representada graficamente, aproximadamente, como uma
linha reta no papel de probabilidade normal. Para isto, é necessário calcular para cada valor a
freqüência acumulada, sendo definida pela equação (2.4) (JURAN & GRYNA, 1992):

(2.4)

Um exemplo de gráfico de probabilidade pode ser verificado abaixo (Figura 2.3):

120

100
Probabilidade Normal

80

60

40

20

0
-150 -100 -50 0 50 100 150
Resíduos

Figura 2.3: Exemplo de gráfico de probabilidade


Fonte: http://www.reliasoft.com.br

25
Capítulo 2 Fundamentação Teórica

Neste trabalho, foi aplicado o teste de normalidade (Shapiro-Wilk) através do software


Minitab 16, para verificar se os dados apresentam normalidade. Para se comprovar a
normalidade foi adotado que o p-valor da amostra deve ser > 0,05 a um nível de confiança de
95%, sendo expresso através do gráfico de probabilidade.

2.3.4 Hipóteses Estatísticas

Em diversas situações, convoca-se com certa freqüência para se tomar decisões acerca de
populações com base nas informações das amostras; a estes tipos de decisões dá-se o nome de
decisões estatísticas. Para alcançar estas decisões, são necessárias estabelecer hipóteses acerca
das populações de interesse. Para estas suposições, que podem ou não ser verdadeiras, dá-se o
nome de hipóteses estatísticas, sendo em sua grande maioria, afirmadas acerca das distribuições
de probabilidade das populações. Para alguns casos, estabelece-se uma hipótese estatística com o
objetivo de rejeitá-la. Como exemplo, é necessário decidir se um processo é melhor do que
outro; com isso, estabelece a hipótese de que não existem diferenças entre eles. Esta hipótese é
denominada de hipótese nula sendo representada por H0. Já para qualquer hipótese que seja
diferente de uma anteriormente fixada, denomina-se como hipótese alternativa representada por
H1 (SPIEGEL, 1993).

2.3.4.1 Testes de hipóteses


Os testes de hipóteses são processos que apóiam a decisão de se aceitar ou rejeitar as
hipóteses, ou determinar se as amostras observadas possuem diferença, de forma significativa,
dos resultados esperados (SPIEGEL, 1993).
Admitindo-se uma hipótese como verdadeira, verifica-se sua validade para determinados
níveis de confiança através do testes de hipótese. Quando utilizado este tipo de teste, podem
ocorrer dois tipos de erros, denominados como tipo I e II. O erro tipo I ocorre quando se rejeita a
hipótese nula, sendo ela verdadeira; assim denomina-se de nível de significância e anota-se por
α. O erro tipo II ocorre quando se aceita a hipótese nula, sendo ela falsa; anota-se por β
(ANDRIOTTI, 2003).
H0 verdadeira H0 falsa
Aceitar H0 decisão correta erro do tipo II (β)
Rejeitar H0 erro do tipo I (α) decisão correta

26
Capítulo 2 Fundamentação Teórica

Os erros são inversamente relacionados, ou seja, quando um aumenta o outro diminui. O


do tipo I é geralmente estabelecido a priori pelo pesquisador, já o tipo II torna-se mais difícil
conhecê-lo, pois solicita estimativa da distribuição da hipótese alternativa, o que normalmente
não é conhecida. Caso H0 for rejeitada, não se pode afirmar que H0 é falsa, mas que existe
evidências de que H0 seja falsa; pode-se afirmar que para um α = 0,05, espera-se que a conclusão
obtida esteja correta em 95% das vezes e caso o teste seja realizado novamente quantas vezes
seja necessário, espera-se que a probabilidade de certeza seja de 95% (ANDRIOTTI, 2003):

H0 » Hipótese nula: hipótese que deve obter evidências para rejeitá-la.


H0: μ = μ0
H1 » Hipótese alternativa: hipótese que deve obter evidências para aceitá-la.
H1: μ ≠ μ0

2.3.4.2 Nível de significância


O termo nível de significância está associado à probabilidade à qual se corre o risco de
ocorrer um erro do tipo I ao se testar uma hipótese. Essa probabilidade é representada por α,
sendo esta definida antes da extração de quaisquer amostras, de maneira que os resultados não
influenciem a escolha (SPIEGEL, 1993).
Triola (2005) cita que o nível de significância trata da probabilidade de que a estatística de
teste ficará na região crítica quando a hipótese nula for verdadeira. Caso o teste caia na região
crítica, rejeitar-se-á a hipótese nula, onde α será a probabilidade de se cometer o erro de rejeitar a
hipótese nula quando ela é verdadeira.
Geralmente utiliza-se um nível de significância de 0,05 ou 0,01, ficando a critério do
pesquisador. Como exemplo, caso seja adotado um nível de significância de 0,05 (5%) para um
teste de hipótese, a interpretação é que há então cerca de 5% de chance da hipótese ser rejeitada,
quando deveria ser aceita; assim, existe uma confiança em torno de 95% de que a decisão
tomada foi acertada (SPIEGEL, 1993).
Para este trabalho, foram determinadas duas hipóteses, H0 (nula) e H1 (alternativa), a fim
de se comparar os valores das médias referentes à resistência de isolamento, capacitância e horas
trabalhadas antes e depois da aplicação do FMEA, onde:
Hipótese H0: As médias das amostras antes e depois são iguais (μ1=μ2);
Hipótese H1: As médias das amostras antes e depois não são iguais (μ1≠μ2).

27
Capítulo 2 Fundamentação Teórica

Também foi adotado o nível de significância de 5% para rejeitar a hipótese nula, a um


nível de confiança de 95%.

2.3.5 Distribuição t

O Teste t realizado em amostras independentes utiliza por base a diferença entre as médias
amostrais, considerando os tamanhos das duas amostras e as suas variabilidades internas. Quanto
maior forem as amostras, maior será a evidência de uma possível diferença entre elas, e caso
houver uma alta variabilidade entre os elementos de cada amostra, uma possível diferença será
verificada (ANDRIOTTI, 2003).
Uma distribuição de t de Student para se tornar aplicável, é necessária que a distribuição da
população original seja normal. Algumas propriedades deste tipo de distribuição são
(ANDRIOTTI, 2003):
 A distribuição é diferente quando modifica o tamanho da amostra;
 Possui a mesma forma simétrica que a distribuição normal, mas esboça a maior
variabilidade, sendo esperadas em pequenas amostras;
 O desvio-padrão da distribuição t sofre variação de acordo com o tamanho da
amostra, enquanto na normal padronizada seu valor é um;
 Para amostras que possuem menos de 15 observações, é utilizada a distribuição t se
os dados são aproximadamente normais;
 Para amostras que possuem mais de 15 observações, também pode ser utilizada a
distribuição t, exceto se houver valores apresentando alta assimetria.
Spiegel (1993) define a estatística da distribuição t através da equação (2.5):

(2.5)

onde:
N = tamanho da amostra extraída de uma população normal
μ = média da população
s = desvio padrão
= média amostral

28
Capítulo 2 Fundamentação Teórica

Neste trabalho, foi aplicado o Teste t através do software Minitab 16, para verificar a
hipótese de igualdade entre as médias dos grupos (hipótese H0). A verificação será através do p-
valor da amostra que deve ser > 0,05 a um nível de confiança de 95%. Gráficos do tipo box-plot
ilustram os resultados.

2.3.6 Teste de Wilcoxon

O Teste de Wilcoxon pode ser utilizado buscando testar se dois grupos independentes
foram retirados de uma mesma população. Trata-se de um dos testes não-paramétricos de maior
poder, onde pode ser considerado como uma alternativa útil para o teste paramétrico t quando se
deseja evitar as suposições do teste t ou quando a mensuração da pesquisa é mais fraca do que a
dada em escala intervalar (SIEGEL, 2006).
Trata-se de um teste não-paramétrico que utiliza os postos de dados amostrais de duas
populações independentes. Busca-se testar a hipótese nula de que duas amostras provêm de
populações idênticas. Já a hipótese alternativa é a afirmativa de que as duas distribuições das
populações são diferentes (TRIOLA, 2005).
H0 » Hipótese nula: As duas amostras provêm de populações com a mesma distribuição.
H1 » Hipótese alternativa: As duas amostras provêm de populações com distribuições
diferentes.
O teste de Wilcoxon pode ser aplicado a dados que podem ser analisados pelo teste
paramétrico de maior poder, o teste t, onde seu poder de eficiência fica em torno de 3/π = 95,5%
quando N aumenta fica próximo de 95% mesmo para amostras de moderado tamanho. Sendo
assim, o teste de Wilcoxon é uma excelente alternativa para o teste t, mas não possui todas as
suposições restritivas e exigências associadas com este teste (SIEGEL, 2006).
Neste trabalho, foi aplicado o Teste de Wilcoxon através do software Minitab 16, para
verificar a hipótese de igualdade entre as médias dos grupos (hipótese H0). A verificação será
através do p-valor da amostra que deve ser > 0,05 a um nível de confiança de 95%. Gráficos do
tipo box-plot ilustram os resultados.

29
Capítulo 2 Fundamentação Teórica

2.3.7 Gráfico Box-plot

O gráfico box-plot possui uma maneira diferente para ilustrar um conjunto de dados. Este
nome deu-se devido ao fato de que a metade central de um conjunto de dados é representada pela
região entre as partes superior e inferior de um retângulo (RYAN, 2009).
Este tipo de gráfico proporciona uma representação gráfica através de cinco valores: a
mediana, o primeiro quartil, o terceiro quartil, o menor e maior valor do conjunto de dados entre
a extremidade inferior e superior internas. Auxilia na visualização do centro, da dispersão e da
assimetria de um conjunto de dados e também na detecção dos valores extremos, conhecidos
como outliers. Pode ser realizado um comparativo de diferentes distribuições realizando o box-
plot para cada um delas (MANN, 2006).
Um exemplo de gráfico box-plot pode ser verificado abaixo (Figura 2.4):

Figura 2.4: Exemplo de gráfico box-plot


Fonte: Elaborado pelo autor, 2013.

As observações que se encontram fora das duas extremidades internas são denominadas de
valores extremos ou outliers. Estes podem ser classificados em duas categorias, chamados de
valores extremos moderados e valores muito extremos. A determinação para verificar em qual
categoria pertence a observação dá-se da seguinte forma: se a observação estiver fora de uma das
extremidades internas, mas esteja dentro das duas extremidades externas, esta é denominada de
valor extremo moderado e caso uma observação encontrar-se fora de uma das extremidades
externas, esta é denominada de valor muito extremo. Para um conjunto de dados simétricos, a

30
Capítulo 2 Fundamentação Teórica

linha que representa a mediana se encontrará no centro do retângulo e a dispersão dos valores
estará disposta no decorrer de quase todo o mesmo intervalo em ambos os lados do retângulo
(MANN, 2006).
Neste trabalho, foi utilizado o software Minitab 16, para obtenção dos gráficos box-plot,
buscando ilustrar um comparativo dos valores das medianas de resistência de isolamento,
capacitância e horas trabalhadas, antes e depois da aplicação da metodologia FMEA.

2.4 Teste de Resistência de isolamento

A resistência de isolamento de uma máquina elétrica girante é função do tipo e da condição


dos materiais isolantes utilizados em sua confecção, bem como a técnica de aplicação.
Geralmente, a resistência de isolamento varia diretamente proporcional à espessura de
isolamento e inversamente à área da superfície do condutor (Institute of Electrical and
Electronics Engineers - IEEE 43, 2000).
Segundo Stone et al (2004), o teste de resistência de isolamento é provavelmente o mais
utilizado para diagnosticar os enrolamentos de motores e geradores elétricos. Pode ser aplicado
em todas as máquinas elétricas e enrolamentos, exceto em motores de indução do tipo rotor
gaiola de esquilo por não possuírem qualquer isolamento para testar. Este teste busca localizar
problemas de poluição e contaminação nos enrolamentos da máquina. Em sistemas de
isolamento envelhecidos, pode também detectar a deterioração térmica do isolante. O teste de
resistência de isolamento tem sido utilizado por mais de 70 anos.

2.4.1 Objetivo e conceito do teste

O objetivo do teste é mensurar a resistência de isolamento do isolante elétrico entre os


condutores de cobre e o núcleo do estator ou rotor. O ideal é que esta resistência seja infinita,
visto que, o objetivo é bloquear o fluxo de corrente entre o cobre e o núcleo. Na prática, a
resistência de isolamento não é infinitamente alta. Normalmente, quando se obtém uma
resistência de isolamento com um valor baixo, o mais provável é que exista um problema no
isolamento. O cálculo da resistência de isolamento no tempo t (Rt) é o quociente entre a tensão
contínua (V) aplicada entre o enrolamento e o núcleo do estator ou rotor e a corrente total (It).
Logo, a resistência de isolamento no tempo t é dado através da equação (2.6) (STONE et al,
2004):

31
Capítulo 2 Fundamentação Teórica

= (2.6)

O cálculo é apenas a lei de Ohm, onde V é a tensão contínua aplicada pelo equipamento
de teste e IT é a corrente total medida após t minutos. A referência ao tempo de medição da
corrente é necessária uma vez que a corrente geralmente não é constante (STONE et al, 2004).
A corrente resultante total (IT) é a soma de pelo menos quatro correntes que podem fluir
quando uma tensão contínua é aplicada ao enrolamento, sendo estas: corrente de fuga superficial
(IL), corrente capacitiva (IC), corrente de condução (IG) e a corrente de absorção (IA). A Figura
2.5, apresenta o circuito equivalente para estas correntes num ensaio de resistência de isolamento
e definição de cada corrente (IEEE 43, 2000).

Figura 2.5: Circuito equivalente das quatro correntes monitoradas durante o teste de resistência de
isolamento
Fonte: Adaptado da IEEE 43 (2000, p. 5)

Conforme a IEEE 43 (2000), as correntes são definidas conforme abaixo:


A corrente de fuga superficial (IL) é constante ao longo do tempo. A alta corrente de fuga
na superfície provoca uma resistência de isolamento baixa; geralmente é causada devido à
presença de umidade ou outro tipo de contaminante parcialmente condutivo (óleo, sujeira,
produtos químicos, etc.) presente na máquina.
A corrente capacitiva (IC) surge quando uma tensão DC é aplicada a um capacitor; essa
elevada corrente de carga do capacitor irá decair exponencialmente. Geralmente, essa corrente

32
Capítulo 2 Fundamentação Teórica

dura aproximadamente 10 segundos, não afetando a primeira medição, que é realizada em 1


minuto.
Já a corrente de condução (IG) ocorre devido aos elétrons ou íons que migram através do
isolamento, entre o cobre e o núcleo. Para sistemas de isolamento modernos em poliéster ou
epóxi-mica, a corrente de condução é essencialmente zero, a não ser que o isolamento esteja
saturado com umidade.
Finalizando, a corrente de absorção (IA) possui dois componentes. A primeira é devido à
polarização dos materiais impregnados, pois as moléculas orgânicas, tais como epóxi, poliéster e
asfalto, tendem a modificar a orientação na presença de um campo elétrico direto. A segunda
componente é devido ao movimento gradual dos elétrons e íons através da maioria dos materiais
orgânicos. Esses elétrons e íons movimentam-se até ficarem presos na superfície da mica,
material comumente utilizado no sistema isolante de máquinas rotativas.
A corrente de absorção pode ser calculada através da equação (2.7):

IA  Kt  n (2.7)

onde:
IA é a corrente de absorção;
K é uma função particular do sistema de isolamento e da tensão de ensaio aplicada;
t é o tempo de aplicação da tensão de ensaio;
n é uma função particular do sistema de isolamento.

Conforme a IEEE 43 (2000), para sistemas de isolamentos fabricados a partir de 1970,


sendo estes geralmente de poliéster ou epóxi, o valor do expoente n da absorção da corrente é
diferente dos termoplásticos ou demais materiais. Comparar a variação da resistência de
isolamento ou da corrente total com o tempo de aplicação da tensão de teste pode ser útil para
avaliar quão limpo e seco está o enrolamento. Se o enrolamento está contaminado ou molhado, a
corrente total será aproximadamente constante no tempo, já que a corrente superficial será muito
maior que a corrente de absorção (Figura 2.6).

33
Capítulo 2 Fundamentação Teórica

Figura 2.6: Tipos de correntes para um sistema de isolamento em asfalto-mica


Fonte: Adaptado da IEEE 43 (2000, p. 6)

Já se o enrolamento estiver seco e limpo, a corrente total irá decair com o tempo, uma vez
que a corrente total será dominada pela corrente de absorção (Figura 2.7).

Figura 2.7: Tipos de correntes para um sistema de isolamento em epóxi-mica


Fonte: Adaptado da IEEE 43 (2000, p. 7)

34
Capítulo 2 Fundamentação Teórica

2.4.2 Medição e interpretação do teste

A medição da resistência de isolamento é realizada através da aplicação de uma tensão


contínua, devendo esta respeitar o valor apropriado da tensão do enrolamento e a condição básica
de isolamento. Trata-se de um fato importante quando aplicado a máquinas elétricas de pequeno
porte e de baixa tensão ou enrolamento molhado. Caso a tensão aplicada na máquina seja
elevada, esta poderá estressar o isolante, conduzindo a uma falha no isolamento. Os testes de
resistência de isolamento são normalmente realizados com níveis de tensões contínuas de 500 –
10.000 volts com polaridade negativa (IEEE 43, 2000).
Uma variável importante que deve ser considerada na medição é a temperatura, pois afeta
todas as componentes da corrente total, exceto a corrente capacitiva. O valor da resistência de
isolamento depende da temperatura do enrolamento e do tempo decorrido com a aplicação da
tensão. Buscando-se evitar o efeito da temperatura na análise de tendência, os testes posteriores
devem ser realizados quando o valor da temperatura do enrolamento esteja próximo ao valor da
temperatura do teste anterior. Quando este tipo de prática não for possível, recomenda-se que
todos os valores dos testes sejam corrigidos a uma base de temperatura comum, sendo esta 40
°C. Esta correção pode ser realizada utilizando a equação (2.8). Embora o valor corrigido seja
uma aproximação, permite uma comparação mais significativa dos valores de resistência de
isolamento encontrado a diferentes temperaturas (IEEE 43, 2000).

RC = KT RT (2.8)

onde:
RC é a resistência de isolamento (em MΩ) corrigido para 40 °C;
KT é o coeficiente da temperatura da resistência de isolamento a uma temperatura T °C;
RT é o valor da resistência de isolamento (em MΩ) a uma temperatura T °C.

Se o efeito da temperatura no sistema de isolamento em teste é desconhecido, um valor


aproximado para o valor de KT pode ser obtido através da equação (2.9):

KT = (0,5)(40-T)/10 (2.9)

onde:

35
Capítulo 2 Fundamentação Teórica

T é a temperatura do enrolamento durante a realização do teste.

A medição direta da resistência de isolamento pode ser realizada através dos seguintes
instrumentos (IEEE 43, 2000):
 Megômetro de indicação direta com gerador de energia;
 Megômetro de indicação direta com bateria independente;
 Megômetro de indicação direta com retificador independente utilizando uma fonte de
alimentação;
 Ponte de resistência com galvanômetro auto-suficiente e baterias.
Os valores obtidos de resistência de isolamento servem de base para interpretação de como
se encontra o sistema isolante da máquina elétrica. Caso tenha-se um histórico destes valores de
resistência de isolamento, a fim de se comparar o resultado do teste atual com o dos testes
anteriores, servirá de apoio para verificar como se encontram as condições do sistema isolante da
máquina. É essencial que ao se comparar os valores destes testes, os mesmos estejam sob
condições semelhantes de temperatura do enrolamento, valor da tensão aplicada, duração da
tensão aplicada e umidade relativa. Para os testes realizados em diferentes temperaturas, é
necessário que os resultados sejam corrigidos para a mesma temperatura conforme mencionado
anteriormente (IEEE 43, 2000).
De acordo com a norma IEEE 43 (2000), o valor da resistência de isolamento mínimo após
1 minuto, IR1 min, para o teste de sobretensão ou operação para máquinas de corrente alternada
ou contínua para estator e rotor com enrolamento, pode ser determinado através da Tabela 2.4.

36
Capítulo 2 Fundamentação Teórica

Tabela 2.4: Recomendação mínima dos valores de resistência de isolamento a 40 °C (valores em MΩ)
Fonte: Adaptado da IEEE 43 (2000, p. 17)

No trabalho em questão, o valor da resistência de isolamento será utilizado durante o


estudo estatístico a ser desenvolvido no decorrer desse trabalho e servirá de base para validar as
ações de melhorias recomendada pelo FMEA.

2.5 Teste de Capacitância

O teste de capacitância é utilizado em diversos tipos de motores e geradores, sejam estes de


pequeno ou grande porte, onde, através da medição da capacitância do enrolamento, pode-se
identificar problemas de degradação térmica ou saturação do sistema isolante da máquina devido
à umidade interna na massa do isolamento. A medição de capacitância também é realizada
durante o processo de fabricação para determinar quando a resina encontra-se impregnada a uma
bobina, barra ou estator por VPI (Vacuum Pressure Impregnation) e quando a resina encontra-se
curada (STONE et al, 2004).
A capacitância pode ser mensurada a partir da aplicação de uma alta tensão contínua entre
os terminais e o núcleo do equipamento em teste, tendo como unidade de medida o Farad (F). A
capacitância pode ser determinada conforme a equação (2.10) (IEEE 43, 2000).

37
Capítulo 2 Fundamentação Teórica

A
C  (2.10)
d
onde:
C é a capacitância;
ε é a permissividade dielétrica do material;
A é a área da secção transversal;
d é a espessura do material.

2.5.1 Objetivo e conceito do teste

Alguns processos de deterioração envolvem alterações no enrolamento das máquinas que


alteram a natureza do isolamento. Por exemplo, se o enrolamento de um estator se deteriora
devido a um longo período de sobreaquecimento, alguns dos materiais isolantes do tipo epóxi ou
poliéster vaporizam um gás que provoca um cheiro de “isolamento queimado”. Com isso, irá
surgir um pouco de gás, geralmente o ar, no isolamento entre bobina e núcleo (groundwall
insulation) (Figura 2.8). A constante dielétrica do ar é inferior à constante dielétrica de todos os
materiais de isolamento sólidos. A constante dielétrica do gás é 1, enquanto que a constante
dielétrica do material isolante epóxi-mica é em torno de 4. Como a porcentagem de gás aumenta
dentro do isolamento devido à degradação térmica, a constante dielétrica média irá diminuir.
Caso a bobina de uma ranhura for aproximada de um capacitor de placas paralelas, então, a partir
da equação (2.10) indicada na seção 2.5, a capacitância irá diminuir, visto que a constante
dielétrica diminuiu (STONE et al, 2004).

38
Capítulo 2 Fundamentação Teórica

Figura 2.8: Seção transversal de uma bobina


Fonte: Adaptado de Stone et al (2004, p. 22)

Já se o sistema isolante foi saturado em água, a capacitância aumentará ao longo do tempo.


Como a água possui uma constante dielétrica de 80, a presença de água aumenta a constante
dielétrica do isolante, aumentando assim a capacitância. Através do acompanhamento do valor
da capacitância do enrolamento das máquinas, pode-se verificar se estar ocorrendo deterioração
térmica do sistema isolante ou problemas causados pela umidade. Se a capacitância está
diminuindo, é sinal que o enrolamento pode estar sofrendo deterioração térmica. E se a
capacitância estiver aumentando, poderá ser devido à absorção de umidade do ambiente pelo
sistema isolante. Caso a capacitância permaneça sem alteração ao logo dos anos, conclui-se
pouca deterioração no sistema isolante (STONE et al, 2004).

2.5.2 Medição e interpretação do teste

Para medição dos valores de capacitância é necessário a utilização de instrumentos capazes


de mensurar corretamente e a um nível de precisão de acordo com a necessidade do sistema
isolante.
Devido à quantidade de gás ou de umidade no interior do isolante ser uma pequena
porcentagem em relação a quantidade normal, logo a alteração da capacitância é muito pequena
no decorrer dos anos de operação da máquina. Com isso, o instrumento de medição deve ter uma
precisão melhor que 0,1%, a fim de se obter valores confiáveis (STONE et al, 2004).

39
Capítulo 2 Fundamentação Teórica

Para um gerador, a capacitância de cada fase pode ser mensurada, visto que cada fase pode
ser isolada das demais, desconectando as ligações do cabo de neutro. Em grande parte dos
motores, as fases são conectadas ao neutro, e a desconexão desses cabos resulta muito trabalho;
assim não importa qual fase está sendo medida, pois a capacitância das três fases é medida de
uma única vez. É de grande importância que a ponte de capacitância utilizada na medição esteja
calibrada, pois os valores obtidos são utilizados como parâmetro de verificação ao longo dos
anos, onde pequenas alterações nos valores são significantes. Qualquer desvio da ponte pode ser
interpretado como um problema no enrolamento da máquina. Recomenda-se utilizar o mesmo
instrumento de medição durante este período (STONE et al, 2004).
Os valores obtidos de capacitância servem de base para interpretação de como se encontra
o sistema isolante da máquina elétrica. A verificação é realizada baseada na tendência dos
valores, onde uma quantidade significativa de deterioração térmica resulta aproximadamente na
diminuição de 1% da capacitância ao longo dos anos. Caso o enrolamento seja afetado por
umidade ou água, ocorrerá uma deterioração significativa no sistema isolante, o que resulta num
aumento em torno de 5% da capacitância. Caso a deterioração ou falha no sistema isolante esteja
ocorrendo apenas em alguns locais do enrolamento, o teste poderá não perceber alteração no
valor da capacitância. Agora, se for afetado todo o enrolamento, o teste será mais capaz de
identificar alteração no valor da capacitância (STONE et al, 2004).
No trabalho em questão, o valor de capacitância será utilizado durante o estudo estatístico
a ser desenvolvido no decorrer desse trabalho e servirá de base para validar as ações de
melhorias recomendada pelo FMEA.

40
Capítulo 3 Revisão Bibliográfica

3 REVISÃO BIBLIOGRÁFICA

Este capítulo apresenta uma visão da literatura referente à aplicação do FMEA em alguns
campos de atuação, indicando métodos customizados para priorização dos modos de falha
diferentes do método tradicional e seus respectivos resultados obtidos.
Na pesquisa, foram encontrados artigos relacionados às áreas médica, industrial e de
engenharia, onde cada um destes utiliza métodos diferentes uns dos outros para priorização dos
modos de falha, buscando desta forma, minimizar os riscos e limitações associadas ao método
tradicional. A maioria da literatura encontrada aborda a utilização da lógica fuzzy como base para
priorização dos modos de falha com objetivo de se obter uma melhor avaliação da criticidade e
do risco associado a cada modo de falha. Também foi abordada nesta pesquisa a utilização do
método tradicional para priorização dos modos de falha, mesmo sendo conhecidos os riscos e
limitações envolvidas neste método.
Segue abaixo a pesquisa bibliográfica realizada referente à aplicação da metodologia
FMEA.

3.1 Considerações Gerais

Bowles e Peláez (1995) apresentaram uma nova técnica para determinar a prioridade dos
modos de falhas e suas respectivas ações corretivas, levantadas na aplicação de um FMEA, seja
este de produto ou processo. No método tradicional, a análise da criticidade para determinação
do número de prioridade de risco (NPR) é realizada através da atribuição de um grau de
severidade (S), freqüência da ocorrência (O) e detecção (D) pela equipe do FMEA; logo após, é
realizado o produto destes três índices (NPR = S x O x D) gerando um valor de NPR para cada
modo de falha que servirá de base para determinar a prioridade dos modos de falhas que serão
tratados. O método tradicional para determinação do NPR pode apresentar problemas na
priorização dos modos de falha. No entanto, esta nova técnica proposta pelos autores, busca
resolver alguns dos problemas encontrados no método tradicional da priorização dos modos de
falhas.
Tay e Lim (2006) propuseram um método buscando simplificar a lógica fuzzy utilizada na
metodologia FMEA com o objetivo de reduzir a quantidade de regras, as quais devem ser
seguidas para a definição da prioridade dos modos de falha através do NPR. A lógica fuzzy
41
Capítulo 3 Revisão Bibliográfica

requer uma grande quantidade de regras para definição do NPR, tornando-a uma atividade
complexa e desgastante. Com a redução da quantidade de regras, facilita a utilização do modelo
para o usuário, pois não deve mais fornecer várias informações para o processo em si. O método
proposto se dá através de um sistema de redução de regras guiadas (GRRS) que tem por objetivo
controlar a quantidade de regras necessárias para o processo de lógica fuzzy para determinação
do NPR. Com a utilização do GRRS, os usuários necessitam apenas informar as regras mais
importantes para a construção do modelo fuzzy para determinação do NPR. Com a aplicação
deste método, busca-se superar as limitações existentes do modelo tradicional do FMEA para
determinação do NPR. Para fins de comprovação da eficácia do modelo, este foi aplicado em um
processo de fabricação de semicondutores.
Dong (2007) apresentou um método para priorização dos modos de falhas de um FMEA,
levando em consideração a severidade, ocorrência, detecção e o custo da falha através da
utilização da teoria da utilidade e funções de lógica fuzzy, buscando superar as limitações e
desvantagens deste tipo de análise apresentada no método tradicional. A teoria da utilidade
fornece uma relação não linear entre o custo da falha e sua classificação ordinal; já a utilização
da lógica fuzzy representa melhor as opiniões dos especialistas. Neste método foi desenvolvido
um índice de prioridade de risco (RPI) para priorização dos modos de falha. As vantagens da
utilização dos custos das falhas para priorização dos modos de falha foram apresentadas em dois
estudos de casos para comprovar sua eficácia.
Hoseynabadi et al (2010) aplicaram a metodologia FMEA a fim de avaliar a fase do
projeto para dois tipos de configurações diferentes de aerogeradores, com o objetivo de se obter
uma melhor confiabilidade no ato da montagem em fábrica como também na operação nos
parques eólicos. Com a aplicação do FMEA, buscou-se avaliar todas as etapas de montagem e
operação verificando os efeitos que suas falhas podem afetar o desempenho geral dos
aerogeradores através de dados de campo dos seus subsistemas. Com a aplicação desta
metodologia, foi possível fornecer informações aos projetistas para que no ato do
desenvolvimento, possam realizar melhorias no projeto do aerogerador e otimizar a operação e
manutenção nos parques eólicos. Devido à competitividade entre fabricantes de aerogeradores,
torna-se essencial a oferta de máquinas com confiabilidade em sua montagem como na operação
e manutenção; isto se torna necessário para sobrevivência da empresa no mercado eólico. O
FMEA exerce um papel importante para análise da confiabilidade na fase do projeto do produto,
sendo bem definido e utilizado na área de engenharia.

42
Capítulo 3 Revisão Bibliográfica

Perks et al (2011) utilizaram a metodologia FMEA no ambiente da medicina com


concentração no campo da oncologia. A aplicação do FMEA foi realizada no processo de
radiação estereotáxica com o objetivo de melhorar a qualidade e segurança das práticas adotadas
no decorrer das etapas para tratamento dos pacientes contra o câncer de pulmão. Apesar de
conhecerem os riscos e limitações citado por Burgmeier (2002), o método aplicado no FMEA de
processo para priorização dos modos de falha foi o tradicional.
Xiao et al (2011) desenvolveram um novo método para priorização dos modos de falhas de
um FMEA através da adequação do método proposto por Pickard et al (2005), visto que o
método tradicional possui limitações que podem comprometer a eficácia dos resultados
esperados do FMEA. No método proposto pelos autores, o NPR é definido através da atribuição
de um peso que irá caracterizar a importância e prioridade de cada modo de falha do sistema.
Desta maneira, buscam-se melhores definições das ações corretivas e por conseqüência
melhorias e resultados favoráveis num menor espaço de tempo.
Vinodh et al (2011) utilizaram o método desenvolvido por Xu et al (2002) que integra o
método de lógica fuzzy à metodologia FMEA com o objetivo de minimizar as desvantagens do
método tradicional para determinação do NPR. Este tipo de método foi escolhido devido a dois
motivos: 1. A informação da falha é descrita como variáveis fuzzy, o que resulta numa condição
real. 2. As interdependências entre os modos e efeitos de falha podem ser exploradas. O método
foi aplicado através de um estudo de caso em uma empresa que fabrica interruptores rotativos
durante a fase de projeto, tendo como objetivo, identificar as possíveis causas das falhas e suas
interdependências, como também os modos de falhas em seus subsistemas e componentes, e
propor ações corretivas.
Barends et al (2012) aplicaram na indústria farmacêutica a metodologia FMEA em um de
seus processos, buscando verificar os modos de falha referentes aos riscos técnicos e por falha
humana que poderiam ocorrer. O processo estudado em questão foi em uma linha de produção,
tendo como objetivo realizar a triagem dos comprimidos que se encontram fora dos padrões de
especificação através da utilização de infravermelho. A aplicação do FMEA está aumentando
cada vez mais na indústria farmacêutica por ser uma metodologia que auxilia na avaliação e
tratamento dos riscos associados à gestão da saúde através da melhoria de qualidade no processo
de fabricação dos medicamentos. Devido a algumas limitações relatadas por diversos autores
para o método tradicional de priorização dos modos de falha em um FMEA, este artigo buscou
outro método para priorização dos modos de falha através da utilização de análise de
probabilidade para os índices de ocorrência e detecção.

43
Capítulo 3 Revisão Bibliográfica

Su et al (2012) propuseram a utilização da metodologia FMEA não utilizando o método


tradicional para priorização dos modos de falha e sim, através da melhoria do método utilizado
por Yang et al (2011). O método de Yang et al (2011), utiliza a teoria da evidência de Dempster-
Shafer para aplicação no FMEA devido sua eficácia e flexibilidade em lidar com informações
incertas e subjetivas, minimizando o risco na definição da prioridade dos modos de falha. Mas,
de acordo com Su et al (2012), este método apresenta limitações no que diz respeito quando os
especialistas expressam diferentes opiniões que podem ser incertas e imprecisas, não podendo
ser utilizadas por regra de combinação de Dempster. Buscando a solução para este problema, os
autores propõem um método melhorado através da utilização da lógica fuzzy com o objetivo de
melhorar as regras de combinação da teoria da evidência e modificar as evidências originais.
Este novo método foi aplicado para avaliar os riscos na determinação das prioridades dos modos
de falhas associados ao processo de pás do rotor de motores de aeronaves.
Ahmad et al (2012) utilizaram um método de análise de falhas, integrando o FMECA
(Failure Mode Effect and Criticality Analysis) e o FTM (Failure Time Modelling) com base em
PHM (Proportional Hazard Model). Os objetivos com a aplicação do FMECA foram dois:
Classificar os dados com base na avaliação de criticidade do FMECA e identificar possíveis
fatores externos com base na causa e efeito do FMECA. A utilização do FTM com base em
PHM foi aplicada para analisar estatisticamente os dados de tempo de falha levando em
consideração os fatores externos. A metodologia sugerida foi aplicada numa indústria de
transformação com ênfase em uma máquina do processo do sistema de corte; os resultados da
integração do FMECA e FTM com base no PHM apresentam uma taxa de risco mais confiável e
maior tempo médio até à falha do componente a ser avaliado; com isso, permite aos engenheiros
planejarem uma estratégia de manutenção mais eficaz.
Liu et al (2012) desenvolveram um método utilizando lógica fuzzy e Grey Relational
Theory aplicado a um FMEA para analisar um equipamento médico buscando minimizar os
riscos associados à priorização dos modos de falha em seu processo de utilização e controle. A
metodologia FMEA foi aplicada por se mostrar eficaz na melhoria de processos e projetos em
diversas áreas. A área da medicina possui algumas particularidades como a não padronização dos
serviços de saúde, trazendo dificuldades na identificação dos modos de falha e a análise subjetiva
dos especialistas faz com que os dados coletados não sejam claros, o que pode tornar a aplicação
do FMEA restrita. Devido a isto, foi desenvolvido pelos autores o método citado acima para
minimizar os riscos associados ao processo FMEA referente à priorização dos modos de falha. A

44
Capítulo 3 Revisão Bibliográfica

metodologia foi aplicada na máquina de raios X C-arm com o objetivo de analisar e combater os
riscos associados referentes ao processo de utilização e controle.
Liu et al (2012) realizaram um estudo através da revisão de 75 artigos periódicos
acadêmicos publicados entre os anos de 1992 e 2012 no idioma inglês, não sendo incluídos
publicações profissionais, teses de doutorado, livros, atas de conferências e métodos sugeridos
para automação do FMEA. O objetivo do estudo foi de realizar uma revisão dos trabalhos
acadêmicos neste período buscando superar as limitações de classificação do NPR existente no
método tradicional do FMEA, através da utilização de outros métodos ou técnicas visando
superar estas limitações. O estudo foi baseado em três perguntas:
 Quais limitações chamam mais atenção?
 Quais métodos ou técnicas são mais utilizados?
 Existe alguma inadequação dos métodos ou técnicas propostas?
De acordo com as respostas, pôde servir de parâmetro para verificar qual o direcionamento
das pesquisas futuras e solucionar as limitações existentes no método tradicional do FMEA.

3.2 Métodos para priorização dos modos de falha

Bowles e Peláez (1995) desenvolveram uma nova técnica baseada na lógica fuzzy para
priorização dos modos de falhas de um FMEA em substituição ao método tradicional. Esta
técnica associada a uma lógica fuzzy fornece meios para utilização direta com os termos
lingüísticos utilizados para avaliação da criticidade; desta forma, permite ao analista uma melhor
avaliação do risco associado a cada modo de falha. A avaliação é realizada através da utilização
de variáveis lingüísticas para descrever a severidade, ocorrência e detecção da falha. Logo após,
estas entradas são “fuzzified” para determinar a relevância de cada classe de entrada. Os
resultados das entradas fuzzy são verificados através de um conjunto de regras lingüísticas e das
operações de lógica fuzzy para obtenção da classificação do grau de risco de cada modo de falha
associado a uma classe de risco ao qual pertence. Estas saídas fuzzy são submetidas ao processo
de “defuzzified” buscando determinar o nível de prioridade para cada modo de falha. As
vantagens da utilização desta técnica, em comparação ao método tradicional de priorização dos
modos de falhas, são:
 Informações qualitativas, quantitativas e imprecisas são avaliadas e trabalhadas de
forma consistente;

45
Capítulo 3 Revisão Bibliográfica

 Os riscos agregados para os modos de falhas são avaliados através da utilização de


termos lingüísticos para avaliação da criticidade;
 Flexibilidade na combinação dos parâmetros de severidade, ocorrência e detecção.
Como resultado, tem-se uma priorização mais coerente dos modos de falha que deverão ser
tratados através de suas respectivas ações corretivas, a fim de eliminar ou reduzir o efeito da
falha.
Tay e Lim (2006) aplicaram o método simplificado através da utilização da lógica fuzzy
para determinação do NPR de um FMEA aplicado a um processo de fabricação de
semicondutores. O método proposto é um aprimoramento do modelo fuzzy utilizando o GRRS
para determinação do NPR, onde o GRRS informa aos usuários quais regras são realmente
necessárias para serem consideradas para construção do modelo. Como objetivo do trabalho,
para fins de comparação e comprovação do método em questão, foi aplicado o método
tradicional, fuzzy sem GRRS e o fuzzy com GRRS para determinar o NPR de um FMEA a um
processo de fabricação do semicondutor que desempenha um papel crucial na garantia da
funcionalidade adequada dos circuitos integrados que compõem o equipamento antes de ser
fornecido ao cliente. Após a aplicação, pôde-se observar que o método fuzzy com GRRS
apresentou os melhores resultados, minimizando os riscos associados para priorização dos
modos de falhas de um FMEA através do NPR em comparação aos demais métodos. Com isso, o
método fuzzy com GRRS mostra-se mais eficaz, pois onera menos tempo aos usuários para
preenchimento das regras, tornando-o um método menos complexo e reduzindo a carga de dados
em comparação com o método fuzzy padrão.
Dong (2007) utilizou a teoria da utilidade em conjunto com a lógica fuzzy para avaliação
da severidade, ocorrência, detecção e o custo da falha para priorização dos modos de falha de um
FMEA. Aplicou a teoria da utilidade levando em consideração o custo associado a cada modo de
falha, pois o objetivo do FMEA é reduzir este custo, sendo um fator determinante para a tomada
de decisão para priorização dos modos de falha. Os índices de severidade, ocorrência e detecção
são considerados como fatores de custo na teoria da utilidade. Logo após os valores destes
fatores serem derivados, será encontrado o índice de prioridade do risco (RPI), que será utilizado
para determinação da prioridade dos modos de falha. Posteriormente, é aplicado, a lógica fuzzy, a
fim de minimizar os riscos associados devido às diferentes opiniões dos especialistas quando
classificam os índices de severidade, ocorrência e detecção. Assim, é encontrado um RPI
resultante, que por sua vez foi aplicado o método de defuzzified para se obter o valor do RPI de
cada modo de falha. Para fins de comprovação da eficácia do método proposto, foi aplicado em

46
Capítulo 3 Revisão Bibliográfica

dois estudos de caso, comparando os resultados obtidos deste método com o método tradicional
para um FMEA. Para ambos os estudos, o método da teoria da utilidade e lógica fuzzy apresentou
uma melhor definição de prioridade dos modos de falha, considerando o custo como fator
determinante em comparação com o método tradicional. Portanto, o método proposto pode ser
utilizado de forma eficaz para a análise dos riscos e das falhas de um processo ou produto.
Hoseynabadi et al (2010) aplicaram o método tradicional para priorização dos modos de
falha de um FMEA aliado ao software Relex Reliability Studio 2007 V2. Este não foi só utilizado
para análise de FMEA, como também para previsão de confiabilidade, análise da árvore de
falhas, cadeia de Markov e análise de Weibull. Estes módulos podem ser associados, de modo
que um sistema em particular pode ser avaliado a partir de diferentes visões de confiabilidade. A
aplicação do FMEA teve seu início com a separação das subdivisões do aerogerador sendo um
total de 6 subsistemas; dentre estes foram identificados 16 modos de falhas e posteriormente 25
causas, sendo dividido em três tipos. Com os dados acima obtidos, foi inserido no software para
que possa atribuir para cada modo de falha seu respectivo NPR. Os valores de severidade,
ocorrência e detecção que servirão de base para o cálculo do NPR podem ser customizados pelo
operador ou seguir o padrão do próprio software que utiliza a base descrita na norma MIL-STD-
1629A (1980), elaborado pelo departamento de defesa dos Estados Unidos da América. Logo
após, é calculado o NPR de cada modo de falha e descritos em ordem decrescente. Com o NPR
calculado, foi realizada uma comparação com as respectivas taxas de falhas de cada subsistema
do aerogerador. Para isto, foi necessário utilizar uma escala para que possa ser realizada a
comparação em questão. O objetivo foi de verificar a relação existente entre o NPR e a taxa de
falha de cada subsistema a fim de traçar um a plano de ação com maior efetividade. Este método
foi aplicado para os dois tipos de configuração do aerogerador de modo a verificar quais destes
tipos possuem maior confiabilidade. A partir da utilização do FMEA aliado à taxa de falhas dos
subsistemas do aerogerador, como resultado, pode-se concluir que a metodologia aplicada pode
ser adotada na fase do projeto do produto pelos projetistas, com o objetivo de identificar
melhorias. Como sugestão de melhoria citada pelos autores, seria de incluir na etapa de
desenvolvimento do FMEA o projetista e o engenheiro de operação e manutenção dos
aerogeradores, com o objetivo de tornar o processo menos subjetivo.
Perks et al (2011) aplicam o método tradicional para priorização dos modos de falhas
através do número de prioridade de risco (NPR), sendo este calculado pelo produto dos índices
de severidade (S), ocorrência (O) e detecção (D) de um FMEA aplicado ao processo de radiação
estereotáxica na área de oncologia. As tabelas de severidade, ocorrência e detecção foram criadas

47
Capítulo 3 Revisão Bibliográfica

pela equipe multidisciplinar baseada na citada por Ford et al (2009). Após a determinação do
NPR para cada modo de falha, foi estabelecido pela equipe que apenas os NPRs que
apresentaram valor igual ou maior que 20 seriam considerados de alta prioridade. Obtiveram-se
um total de 28 modos de falha, dentre estes, 9 modos de falha foram considerados de alta
prioridade baseado em seus respectivos NPRs. Todos foram tratados através da implantação das
ações corretivas buscando extinguir ou minimizar a falha. Posterior às ações implantadas, os
modos de falha tiveram seus respectivos NPRs reduzidos de forma a não possuírem mais alto
risco no processo. Como exemplo, o NPR mais alto teve seu valor 80; após as ações implantadas
o novo valor foi 20. Os resultados obtidos com a implantação do FMEA no processo de radiação
estereotáxica foram bastante satisfatórios, pois as melhorias realizadas promoveram uma melhor
qualidade e segurança em diversas etapas do processo.
Xiao et al (2011) propuseram um novo método para priorização dos modos de falhas
utilizando como base o método sugerido por Pickard et al (2005), realizando algumas alterações
neste. O método de Pickard et al (2005) avalia a confiabilidade do sistema considerando vários
modos de falha simultaneamente, porém, descreve como combinar vários modos de falhas em
um único, mas não especificou quais modos de falhas devem ser combinados para realizar o
procedimento do FMEA. Já o proposto pelos autores trata de um novo método que atribui pesos
aos índices de severidade, ocorrência e detecção para o cálculo do NPR, onde a severidade é
igual para todos os modos de falha, pois o foco é sobre o evento da falha. O índice da ocorrência
é que irá sofrer variações de acordo com cada modo de falha, tornando-o o fator mais importante
a ser considerado no sistema. Já o índice da detecção não se torna um item essencial a ser
considerado. Com base nestes índices, é calculado o NPR de cada modo de falha de forma que se
pode avaliar a importância entre as várias possíveis causas das falhas. Este estudo foi aplicado a
um sistema tendo como exemplo os três tipos de avaliação para o cálculo do NPR, sendo estes o
método tradicional, o de Pickard et al (2005) e o de Xiao et al (2011), para fins de verificação
da eficácia entre métodos. Posterior à aplicação, o método proposto por Xiao et al (2011) obteve
uma melhor eficácia na definição das prioridades dos modos de falhas em comparação com os
demais métodos. Assim, a utilização deste novo método para priorização dos NPRs de um
FMEA, propõe uma melhor confiabilidade ao sistema na presença de vários modos de falha e um
menor prazo para realização das ações corretivas.
Vinodh et al (2011) aplicou o método de lógica fuzzy desenvolvido por Xu et al (2002)
para priorização dos modos de falha em um FMEA de projeto de um interruptor rotativo com o
objetivo de identificar as possíveis causas que podem conduzir o equipamento a falhar. O valor

48
Capítulo 3 Revisão Bibliográfica

do NPR foi utilizado para priorizar os modos de falha pelo seu grau de importância. O FMEA foi
aplicado aos componentes individuais de cada subsistema buscando identificar possíveis modos
de falha; logo após foi utilizada a lógica fuzzy através da criação de regras para determinação do
NPR; depois foi aplicado o método de defuzzified para priorização de cada modo de falha. Como
resultado da aplicação do FMEA através do método de lógica fuzzy foram identificados os
potenciais modos de falhas através de seus respectivos NPR e realizado um plano de ação
corretiva. Depois de implantadas as ações, foram verificadas que houve uma redução
significativa dos valores dos NPR, comprovando a eficácia do método utilizado. Comparando o
método tradicional do FMEA com o método de lógica fuzzy utilizado, foram levantadas duas
vantagens. A primeira é que a informação da falha é descrita como variável fuzzy, o que
proporciona uma visão mais real da situação e a segunda, é que o método fuzzy melhora a
utilização das interdependências entre diversos modos e efeitos de falha.
Barends et al (2012) apresentaram um novo método para priorização dos modos de falha,
comparando-o ao método tradicional levantado em um FMEA de processo realizado na indústria
farmacêutica. Este novo método consiste da substituição dos valores dos índices de ocorrência e
detecção por uma freqüência relativa estimada e mantendo o valor do índice de severidade. A
freqüência da ocorrência e detecção para cada modo de falha foi estimada de forma quantitativa
através da utilização de equações definidas. Logo após, calcula-se a Redução do Risco Relativo
(RRR) para, com base em seus valores, determinar qual(is) modos de falha será(ão) tratado(s)
com prioridade através de suas respectivas ações. Para o método tradicional, foi utilizado o
produto dos três índices, severidade (S), ocorrência (O) e detecção (D) para cálculo do NPR (S x
O x D) de cada modo de falha e posteriormente definir quais destes terão ações específicas
buscando eliminar ou minimizar a falha potencial. Após a aplicação dos dois métodos do FMEA
ao processo de fabricação, foi realizado um comparativo destes, buscando avaliar quais
proporcionaram melhores resultados referentes à avaliação dos riscos associados para definição
dos modos de falhas que deverão ser tratados com prioridade. O resultado apresentado foi que o
método probabilístico obteve melhores resultados em comparação ao método tradicional
referente à minimização dos riscos associados para a priorização dos modos de falhas, ou seja,
alguns modos de falhas selecionados no método tradicional não necessariamente foram os que
apresentaram maiores riscos. Através da utilização do método probabilístico do FMEA, obteve-
se uma melhoria em torno de 38% referente à probabilidade de ocorrência de uma falha ser
detectada pelo cliente, comparando-a antes da aplicação do FMEA. Mesmo com custos

49
Capítulo 3 Revisão Bibliográfica

associados para implantação das melhorias no processo, foi bem menor para o caso de uma falha
potencial vir a ocorrer.
Su et al (2012) apresentaram um novo método para priorização dos modos de falha de uma
FMEA, onde este trata-se de uma melhoria do método proposto por Yang et al (2011). O método
de Yang et al (2011) utiliza a teoria da evidência Dempster-Shafer para modelar a incerteza de
informações recebidas da avaliação de vários especialistas do FMEA. Neste método, é realizado
um quadro de discernimento simplificado de acordo com a aplicação prática. Assim, o valor
médio do novo NPR (número de prioridade de risco) é utilizado para determinar a ordem de
prioridade dos modos de falha do FMEA. Este método é prático e útil, porém, quando os valores
dos fatores de riscos mensurados pelos especialistas são diferentes e imprecisos, as atribuições
de crenças básicas (BBAS) construído por este método podem se tornar evidências conflitantes
ao ponto de não poderem ser tratados pela regra de combinação de Dempster. Para solucionar
este tipo de problema, Su et al (2012), propõem uma melhoria do método de Yang et al (2011).
Este novo método trata estes valores dos fatores de avaliação de risco diferentes e imprecisos,
mensurados pelos especialistas, acrescentando mais uma etapa em que as fronteiras dos critérios
são realizados através da lógica fuzzy. Os dois métodos foram aplicados ao FMEA de processo
de pás do rotor de motores de aeronaves com o objetivo de verificar se há diferenças na definição
das prioridades dos modos de falha. Após a aplicação dos métodos, o resultado obtido foi que
para os 17 modos de falhas identificados como prioridade, dois deles apresentaram divergências
em seus NPRs, comparando os dois métodos, ou seja, dois modos de falhas no método de Yang
et al (2011) apresentaram maior valor de seus NPRs, comparado ao valor encontrado no método
de Sun et al (2012). Os resultados obtidos pelo método de Sun et al (2012) são consistentes com
o método de Yang et al (2011), que utiliza a base deste método para suas análises. Mas com a
adição de uma etapa para construir as atribuições de crenças básicas (BBAS) com a teoria da
incerteza, mostra-se que o método proposto por Sun et al (2012) possui uma vantagem no
tratamento dos diferentes valores mensurados pelos especialistas de maneira a minimizar a
avaliação dos riscos na determinação das prioridades dos modos de falha de uma FMEA.
Ahmad et al (2012) aplicaram uma nova metodologia através da integração do FMECA e o
FTM com base no PHM para priorização dos modos de falhas aplicado a um processo industrial.
O FMECA identificou os modos de falha, a causa e os efeitos da falha e o cálculo do índice de
criticidade de cada modo de falha, onde este último é calculado a partir da combinação da
probabilidade da ocorrência do modo de falha com a sua classificação de severidade, gerando
como resultado um Ck (índice de criticidade). O Ck irá determinar quais modos de falhas

50
Capítulo 3 Revisão Bibliográfica

deverão ser tratados com prioridade. Após definido o Ck de cada modo de falha, este é aplicado
como entrada para o processo de integração entre FTM e PHM, realizando a análise do tempo de
falha, buscando identificar as características de falha de um componente com base no modelo de
distribuição de Weibull. A metodologia foi aplicada a uma parte da máquina do processo do
sistema de corte, sendo este a correia de transmissão. O objetivo da aplicação desta metodologia
é resolver o problema da falha ocorrida no processo devido ao estresse mecânico sofrido pela
correia através da identificação dos modos de falha e realização de um plano de manutenção com
a visão de redução dos custos devido à quebra e substituição da correia e perda de produção
neste período. Após a aplicação da metodologia proposta de integração, proporcionou à empresa,
um processo de análise de falhas mais prático e eficaz, não só através da identificação dos fatores
externos, mas também o processo de classificação dos modos de falha com base no cálculo do
índice de criticidade.
Liu et al (2012) utilizaram um novo método para priorização dos modos de falha de um
FMEA aplicado a um equipamento médico através da lógica fuzzy e Grey Relational Theory. A
lógica fuzzy foi utilizada para descrever a subjetividade e a incerteza das informações
quantitativamente. Logo após, os valores fuzzy encontrados são defuzzified para que possam
servir de entrada para a Grey Relational Theory. Esta por sua vez realiza a integração destes
valores dispostos em uma matriz para que possa ser realizada a triagem dos modos de falha.
Posteriormente, criou-se outra matriz dos fatores de riscos determinados pelos valores dos
índices de severidade, ocorrência e detecção do FMEA. Aplicado à Grey Relational Theory, o
resultado será expresso através de um coeficiente de relação para cada modo de falha, onde a
ordem de prioridade é dada de forma crescente dos valores. A metodologia FMEA através do
método proposto proporcionou à equipe identificar os possíveis modos de falha associados à
utilização e controle da máquina de raios X C-arm, de forma que puderam minimizar e extinguir
os riscos eminentes ao processo de utilização e controle.
Liu et al (2012) através da revisão de 75 artigos periódicos acadêmicos publicados entre os
anos de 1992 e 2012 listou, na visão dos autores, as principais limitações do método tradicional
do FMEA; como exemplo cita-se abaixo algumas destas limitações:
 Combinações diferentes entre severidade, ocorrência e detecção podem produzir o
mesmo NPR, mas os riscos de cada um podem ser diferentes;
 Os índices de severidade, ocorrência e detecção não são determinados de forma
precisa;

51
Capítulo 3 Revisão Bibliográfica

 O nível de importância entre os índices de severidade, ocorrência e detecção não é


levado em consideração;
 A equação para o cálculo do NPR é duvidosa;
 As interdependências entre os modos e efeitos de falha não são levados em
consideração;
 O NPR não pode ser utilizado para mensurar a eficácia das ações corretivas, dentre
outras.
Pode-se verificar através da Tabela 3.1, os métodos e técnicas utilizadas para classificação
e avaliação dos riscos de um FMEA.

Tabela 3.1: Métodos e técnicas


Fonte: Liu et al, 2012.
Porcentagem de utilização pelos
Tipo do Método
Autores

MCDM (Método de decisão multi-critério) 22,5%

Programação Matemática (Programação linear e fuzzy) 8,75%

Inteligência Artificial (AI) (Sistema de base de regras e


40%
Sistema de base de regras fuzzy)
Abordagens Integradas (Lógica fuzzy integrada à outra
11,25%
abordagem)
Outras Abordagens (Modelo de base de custos, simulação
17,5%
Monte Carlo, etc.)

Com base nas informações acima, verifica-se que o método de lógica fuzzy é o mais
utilizado entre os autores no desenvolvimento de um FMEA. Mesmo sendo bastante utilizado,
possui algumas limitações como:
 A definição das funções de pertinência adequada para os fatores de risco e o nível de
prioridade do risco;
 A concepção da lógica fuzzy não se torna fácil, pois os especialistas devem realizar
vários questionamentos, o que torna o método bem cansativo e com maior tempo para
execução;
 Devido aos cálculos complexos para resultados “precisos” dos riscos, pode ocorrer
perda de informação na interferência fuzzy;

52
Capítulo 3 Revisão Bibliográfica

 Torna-se complexa a utilização de um software que realize a comunicação entre a


entrada e a saída de risco, e a classificação da prioridade da falha.
Como resultado do estudo, pode-se verificar que houve um crescimento no decorrer do
período de 1992 a 2012, referente à questão do desenvolvimento de outros tipos de métodos,
buscando solucionar os problemas existentes no método tradicional do FMEA. Este tipo de
acontecimento tem como tendência o aumento da utilização dos métodos de MCDM, AI, lógica
fuzzy, etc. devido ao grau de importância que o FMEA vem sendo aplicado em vários processos
e produtos, e seus respectivos ganhos de melhoria.

3.3 Conclusão

Foram abordados vários tipos de métodos para priorização dos modos de falha de um
FMEA, visto que o método tradicional apresenta limitações que podem vir a comprometer os
resultados esperados.
Dentre os vários métodos citados nos trabalhos, o método que teve maior aplicação foi o
baseado na lógica fuzzy, que busca minimizar os riscos associados no processo de priorização
dos modos de falha. Outros métodos utilizaram a teoria da utilidade, Grey Relational Theory e o
GRRS (Sistema de Redução de Regras Guiadas) de forma integrada com a lógica fuzzy, com o
objetivo de melhorar ainda mais os resultados que teriam utilizando apenas a lógica fuzzy. Este
tipo de integração entre ferramentas está sendo adotada por vários autores, buscando minimizar
algumas limitações apresentadas no método fuzzy, conforme citado por Liu et al (2012). Mesmo
apresentando limitações, apresenta ser um método eficaz para minimizar os riscos no processo
de priorização dos modos de falha de um FMEA.
Observa-se também a utilização do método tradicional do FMEA por Perks et al (2011),
aplicado na área médica, onde os resultados foram bastante satisfatórios, mesmo conhecendo os
riscos e limitações deste tipo de método citado por Burgmeier (2002).
O fator custo foi utilizado como índice determinante conforme citado por Dong (2007)
para priorização dos modos de falhas de um FMEA, aplicado através da utilização da teoria da
utilidade e funções de lógica fuzzy, buscando superar as limitações e desvantagens do método
tradicional.
Outro método utilizado foi à integração do FMECA (Análise do Modo e Efeito das Falhas
e Criticidade) e o FTM (Tempo de Falha do Modelo) com base no PHM (Modelo de Risco
Proporcional) citado por Ahmad et al (2012), o que proporcionou um processo de análise de

53
Capítulo 3 Revisão Bibliográfica

falhas mais eficaz, uma taxa de risco mais confiável para priorização dos modos de falha e uma
melhor avaliação do tempo médio até à falha do componente em questão; com isso, permitiu aos
engenheiros planejarem uma estratégia de manutenção mais eficaz.
Os demais métodos apresentaram a utilização de Software e outras metodologias
específicas, buscando minimizar os riscos associados para determinar a prioridade dos modos de
falha de um FMEA; todos apresentaram êxito em seus resultados, comparado ao método
tradicional.
Diante do exposto nos trabalhos, não existe uma determinação clara de qual tipo de método
é o melhor recomendado para utilização de um FMEA, pois cada um possui particularidades em
sua aplicação. O que deve ser realizado pela equipe do FMEA, é verificar qual método será mais
bem aplicado a este FMEA, seja este de produto ou processo, com o objetivo de minimizar os
riscos associados na priorização dos modos de falha, para que se obtenha eficácia dos resultados.
Portanto, no próximo capítulo será apresentado um método para priorização dos modos de
falha de um FMEA aplicado a um processo de montagem de um subsistema do aerogerador,
através de um estudo de caso. O trabalho proposto não utiliza o NPR como meio de priorização
dos modos de falha, devido às limitações apontadas nos trabalhos citados neste capítulo, o que
poderia vir a comprometer os resultados esperados. A metodologia FMEA que será aplicada
neste trabalho é baseada no método proativo citado por Palady (1997). O método em questão
prioriza a utilização dos mais altos graus de severidade e os mais altos índices de ocorrência para
avaliar e classificar os modos de falhas que irão apresentar prioridade para tratamento, verificado
através do gráfico de áreas e da matriz de investigação. Este método não utiliza a detecção para
fins de priorização dos modos de falha e sim como possível ponto de melhoria, caso ocorra a
oportunidade de atuar, de forma que não comprometa os custos e o tempo decorrentes no
processo. Com isso, os riscos associados à priorização dos modos de falha são minimizados se
comparados ao método tradicional.
Por necessidade específica da empresa e para justificar a utilização do FMEA, será
realizado um comparativo dos resultados antes e depois, buscando comprovar a aplicação da
metodologia FMEA através do método proativo.

54
Capítulo 4 Estudo de caso

4 ESTUDO DE CASO

Este capítulo apresenta o estudo de caso realizado com o objetivo de analisar as falhas
ocorridas nos aerogeradores no parque eólico e propor melhorias através da aplicação do FMEA
em seu processo de montagem.

4.1 Introdução

Uma empresa que monta aerogeradores e gerencia parques eólicos localizada no Brasil,
disponibilizou seu banco de dados gerado através de planilha em Excel correspondente ao
período entre os anos de 2011 e 2012, referente aos aerogeradores instalados em um parque
eólico localizado no estado do Ceará, que serviram de base para o estudo em questão. Este banco
de dados encontra-se dividido em dois períodos, onde o ano de 2011 corresponde ao período de
ocorrência das falhas nos aerogeradores no parque eólico e o ano de 2012 corresponde ao
período depois das melhorias implantadas no processo de montagem do aerogerador.
O estudo de caso foi desenvolvido através deste banco de dados, buscando analisar as
falhas ocorridas nos aerogeradores antes e posterior às intervenções no processo produtivo
através da obtenção de melhorias dos dois principais indicadores, a fim de aumentar a
performance dos aerogradores nos parques eólicos.
Os dois indicadores em questão são a Resistência de Isolamento (RI) e a Capacitância(C);
ambos relatam como se encontra o rendimento e fornece uma indicação de possível falha nos
aerogeradores, através do monitoramento dos seus valores.
Através da técnica para análise e prevenção de falhas, utiliza-se o FMEA como principal
ferramenta de aplicação neste trabalho, com o objetivo de se obter ganhos nos valores de
resistência de isolamento e capacitância, através da aplicação de melhorias no processo de
montagem do aerogerador e também melhoria das horas trabalhadas destes no parque eólico.

4.2 Fluxograma aplicado

Para este estudo de caso, foi desenvolvido um modelo através de um fluxograma que
demonstra como foram realizadas as etapas e uma descrição breve de cada (Figura 4.1).

55
Capítulo 4 Estudo de caso

Figura 4.1: Fluxograma das atividades


Fonte: Esta Pesquisa, 2013.

56
Capítulo 4 Estudo de caso

4.3 Descrição

4.3.1 Sistema

Segundo Custódio (2009), o aerogerador é um equipamento destinado à produção de


energia elétrica a partir da energia cinética dos ventos.
O aerogerador ou turbina eólica em estudo é do tipo de transmissão direta, ou seja, que não
possui caixa multiplicadora, equipado com um rotor de 77 metros de diâmetro, três pás de 37,5
metros, cada, com controle de passo (Pitch) variável e potência nominal de 1,5 MW, instalado a
uma torre de 85 metros de altura (Figura 4.2).

Figura 4.2: Exemplo do aerogerador


Fonte: Fotografado pelo autor, 2012.

Este foi projetado para trabalhar com velocidade de vento entre 3 e 22 m/s, possuindo um
gerador tipo síncrono multipolo com imãs permanentes, com velocidade de rotação variável, sem
a necessidade de fonte de energia externa para provocar excitação na máquina para inicio de
geração de energia, possuindo um conversor de freqüência que busca adequar a saída da energia
gerada, realizando um filtro antes de ser injetada à rede elétrica. Encontra-se equipado com um
sistema de freio aerodinâmico e vários sensores com redundância que garantem a segurança
operacional do aerogerador. Conta com a instalação de ultra-capacitores no sistema de pitch que
possuem a função de armazenar energia que possibilite atuação do sistema de segurança no
momento de falta de energia e/ou falha, atuando no endereçamento das três pás para a posição de
bandeira ou defesa. O aerogerador foi projetado de maneira a ser fabricado e transportado em

57
Capítulo 4 Estudo de caso

partes de forma independente, sendo montados entre si no parque eólico, formando um conjunto.
Suas principais partes são o gerador, nacelle, hub, pás e torre.

4.3.2 Divisão do sistema

O aerogerador estudado divide-se em partes ou subsistemas, onde cada um destes possui


funções particulares para o funcionamento e controles necessários para a operação e
disponibilidade de geração de energia no parque eólico (Figura 4.3).

AEROGERADOR
SISTEMA

NACELLE HUB GERADOR PÁ TORRE

ESTATOR ROTOR
SUBSISTEMAS

Figura 4.3: Divisão do aerogerador


Fonte: Esta Pesquisa, 2013.

Conforme descrito acima, cada subsistema possui funções particulares para operação do
aerogerador. De acordo com Custódio (2009), as definições destes subsistemas encontram-se
descritas a seguir e ilustrados a partir da Figura 4.4, com o objetivo de um melhor entendimento
do equipamento.

58
Capítulo 4 Estudo de caso

Figura 4.4: Subsistemas do aerogerador


Fonte: Esta Pesquisa, 2013.

4.3.2.1 Nacelle (1)


A Nacelle é fixada ao extremo superior da torre que transmite todos os esforços gerados
pelo rotor e gerador. É provida de um mecanismo de giro através de um rolamento instalado em
sua base que lhe permite girar 360° do seu eixo com o objetivo de realizar a melhor captação da
direção e velocidade do vento através de seus sensores meteorológicos instalados em sua parte
externa superior. Nesta mesma base possui balizas de sinalização e pára-raios contra descargas
atmosféricas.
Possuem em seu interior, equipamentos elétricos e mecânicos como painéis elétricos,
disjuntores, motoredutores, bomba hidráulica, sistema de freio, etc. que auxiliam no seu
funcionamento. Estes equipamentos são protegidos por uma carenagem geralmente fabricada
através de materiais compósitos que resistam as condições severas do ambiente.
Este conjunto de equipamentos é comandado por um CLP (Controlador Lógico
Programável) que recebe informações de entrada de diversos sensores instalados, processam
estas informações e emitem uma saída específica para cada função que deverá ser atuada como
por exemplo, girar o aerogerador a uma determinada coordenada para uma melhor captação do
vento.

59
Capítulo 4 Estudo de caso

4.3.2.2 Hub e Sistema de pitch (2)


O Hub (cubo das pás) é a ponta do eixo do aerogerador onde as pás são fixadas através de
flanges com a função de capturar a energia cinética dos ventos, transformando-a em movimento
de rotação ao gerador através de um eixo. Esta captação é realizada pelas três pás instaladas,
onde cada uma destas possui um sistema de controle de pitch que possibilita controlar o ângulo
de ataque de cada pá com um controle minucioso de velocidade, torque e potência do
aerogerador, buscando desta maneira um melhor aproveitamento da energia para qualquer
condição de velocidade e direção do vento.
Outra função do sistema de pitch é proporcionar freio aerodinâmico ao aerogerador, seja
este por uma parada normal ou numa situação de emergência, onde se consegue parar o giro do
aerogerador realizando a movimentação das suas pás a posição de ângulo de defesa.
Cada freio aerodinâmico é redundante, pois o sistema de pitch de cada pá é independente,
o que proporciona o aerogerador ser conduzido a um estado seguro em poucos segundos antes da
falha de cada um destes. Possui também um sistema de armazenamento através de ultra-
capacitores de energia independente para cada pá. Isto se torna necessário para garantir a parada
segura do aerogerador por uma falta de energia elétrica.

4.3.2.3 Gerador
O gerador é o responsável pela produção de energia elétrica através da conversão da
rotação do rotor em energia elétrica. É do tipo síncrono, com acionamento direto e excitação por
imãs permanentes, conhecido como DDPM (direct drive permanent magnet). Funciona a uma
freqüência e tensão variáveis, atingindo sua potência nominal de 1,5 MW quando o rotor é
submetido a uma velocidade de 19 rpm (rotação por minuto). Para este tipo de gerador, utiliza-se
um conversor de freqüência constituído de um retificador CA (corrente alternada) - CC (corrente
contínua) e um inversor CC (corrente contínua) - CA (corrente alternada), o que possibilita o
controle da onda de saída em: forma, freqüência, fator de potência e amplitude.
O gerador é divido em outros dois subsistemas, sendo estes o Estator (3) e o Rotor (4),
definidos a seguir.

60
Capítulo 4 Estudo de caso

4.3.2.3.1 Estator (3)

O estator é formado por componentes estruturais de aço, projetados de forma a suportarem


as partes ativas e transferir os esforços da nacelle através do eixo principal.
Os componentes ativos do estator são o núcleo magnético e o bobinado, compostos por em
torno de 27.000 chapas estatóricas e 576 bobinas, respectivamente. O núcleo estatórico foi
projetado com o objetivo de minimizar as perdas eletromagnéticas e favorecer uma dissipação do
calor gerado em trabalho. Já o bobinado é do tipo trifásico e conectado a uma ligação estrela que
proporcione uma tensão de 690 volts, o que torna uma máquina elétrica de baixa tensão. Sua
classe de isolamento é F (155°C).
A refrigeração é dada por meio do ar ambiente, ou seja, sem utilização de ventilação
forçada buscando expulsar o calor interno para o ambiente.

4.3.2.3.2 Rotor (4)


Trata-se de um elemento estrutural, construído a partir do processo de caldeiraria (chapa
soldada), onde sua superfície interior é constituída de pólos magnéticos, formados por imãs
permanentes de alta intensidade magnética. A utilização deste tipo de tecnologia através da
utilização de imãs permanentes permite reduzir de forma considerável o diâmetro externo e o
peso do gerador, o que proporciona uma melhor competitividade perante os outros fabricantes de
aerogeradores.
O rotor é suportado por dois rolamentos projetados especificamente para suportar o peso
das estruturas e de todos os esforços aerodinâmicos provenientes das pás, devendo ser
transmitidos à estrutura da nacelle e posterior à da torre.

4.3.2.4 Pá (5)
Componente aerodinâmico responsável pela interação com o vento, convertendo parte da
energia cinética de uma massa de ar em movimento e transformando-a em torque mecânico.
As pás são fabricadas de um material composto PRFV (resina plástica reforçada com fibra
de vidro) proporcionando alta resistência mecânica com um baixo peso. Cada pá possui uma
extensão de aproximadamente 37,5 metros e um peso aproximado de 5,5 toneladas. São
concebidas com um sistema de proteção contra descargas atmosféricas que busca proteger a

61
Capítulo 4 Estudo de caso

integridade do aerogerador. De forma opcional, pode-se agregar às pás um sistema de medição


de esforços e deformações que permitem monitorar as condições de funcionamento dos
componentes.

4.3.2.5 Torre (6)


Estrutura com o objetivo de proporcionar ao aerogerador uma altura adequada para um
melhor aproveitamento do vento. Trata-se de um elemento estrutural importante que suporta e
transfere até à fundação todos os esforços do aerogerador. É do tipo tubular, podendo ser de aço
ou de concreto, sendo fabricada em partes chamadas de tramos, visando facilitar a movimentação
e montagem no processo de transporte e montagem no parque.
No interior da torre é realizada a instalação dos cabos de força, comando, comunicação e
fibra óptica, referentes ao controle e transmissão da energia do aerogerador até o transformador
de potência instalado na base da torre. Nesta mesma base são instalados todos os painéis de
controle, conversor de freqüência, transformador de serviço e chave seccionadora.
O acesso à nacelle se dá pelas escadas instaladas no interior da torre, que possuem um
sistema de segurança do tipo trava queda e também possuem plataformas de segurança
distribuídas a distâncias, de acordo com cada projeto.

4.4 Cenário antes do FMEA – Análise dos Dados

Os dados utilizados como base para este trabalho foram levantados e disponibilizados pelo
setor da Qualidade da empresa e cedidas ao setor de Engenharia através de planilhas em Excel.
Estas planilhas possuem o histórico dos aerogeradores que apresentaram falhas, que por
conseqüência, os deixaram indisponíveis para geração de energia elétrica no parque eólico. A
disposição destes dados se deu de forma mensal no período do ano de 2011. As planilhas
possuem os dados da ordem de produção do gerador na fábrica, número do aerogerador no
parque, subsistema da falha, etc. Na Tabela 4.1 pode ser verificada a disposição dos dados.

62
Capítulo 4 Estudo de caso

Tabela 4.1: Disposição dos dados


Fonte: Esta Pesquisa, 2011.

O início da análise dos dados foi realizado com o objetivo de se verificar a quantidade de
falhas ocorridas no período de 2011 nos aerogeradores instalados no parque eólico localizado no
estado do Ceará. Conforme descrito no item 4.3.2 desta seção, o aerogerador é dividido em
subsistemas; portanto, ao se utilizar uma análise de Pareto, verificou-se que o subsistema com
maior quantidade de falhas ocorridas foi o gerador, apresentando um total de 71 ocorrências de
falha (Figura 4.5).

Quantidade de ocorrências por subsistema


100
Qtd. de ocorrências

80 71
60

40

20
0 0 0 0
0
NACELLE HUB GERADOR PÁ TORRE

Subsistema

Figura 4.5: Quantidade de ocorrência por subsistema do aerogerador


Fonte: Esta Pesquisa, 2013.

O subsistema gerador, por característica própria, divide-se em outros dois subsistemas,


sendo estes o Estator e o Rotor. Buscando avaliar dentro deste espaço amostral de 71 ocorrências
de falhas qual foi a contribuição para cada subsistema, aplicou-se o Pareto para esta nova análise
e o resultado foi que o estator apresentou a maior contribuição, quando comparado ao rotor,
apresentando 49 contra 22 ocorrências de falhas, respectivamente (Figura 4.6).

63
Capítulo 4 Estudo de caso

Qtd. de ocorrência por subsistema do Gerador


100

Qtd. de ocorrências
80

60 49
40
22
20

0
ESTATOR ROTOR
Subsistema

Figura 4.6: Quantidade de ocorrência por subsistema do gerador


Fonte: Esta Pesquisa, 2013.

Após estas análises, a decisão tomada foi de focar o estudo no subsistema estator por
apresentar um maior número de ocorrências de falhas e também por apresentar maior valor
econômico que agrega maior custo para a empresa, comparada ao rotor na ocorrência de uma
falha.

4.5 Tratativas dos dados e definição do espaço amostral

Definido o subsistema a ser estudado, inicia-se pela verificação e tratamento dos dados
para definição do espaço amostral, com o objetivo de avaliar a utilização destes no estudo de
caso. Foi verificado na planilha existente que algumas colunas não possuíam dados, como
valores de resistência de isolamento, capacitância, horas trabalhadas, etc. Desta forma, a decisão
foi de retirar as amostras que possuem a falta destes dados do espaço amostral.
Posterior a esta análise, obteve-se um novo espaço amostral de 24 ocorrências de falhas e
para se obter qual foi a contribuição para cada subsistema, aplicou-se o Pareto para esta nova
análise e o resultado foi que o estator continuou apresentando a maior contribuição quando
comparado ao rotor, 21 contra 3 ocorrências de falhas, respectivamente (Figura 4.7).
Este novo espaço amostral com 21 amostras determinado após a tratativa dos dados será
utilizado no decorrer do trabalho.

64
Capítulo 4 Estudo de caso

Qtd. de ocorrência por subsistema do Gerador


100

Qtd. de ocorrências
80

60

40
21
20
3
0
ESTATOR ROTOR
Subsistema

Figura 4.7: Quantidade de ocorrência por subsistema do gerador


Fonte: Esta Pesquisa, 2013.

Definido o espaço amostral do subsistema para o foco do trabalho, aplicou-se o Pareto com
o objetivo de verificar qual a região ou área do estator em que ocorreram estas falhas, para que as
ações futuras tenham um direcionamento para atuação. Os resultados obtidos demonstram que
houve 15 ocorrências de falhas por curto circuito na região dos anéis e 6 ocorrências de falhas,
também por curto circuito, na região da ranhura (Figura 4.8).

Região da ocorrência no Estator


50
Qtd. de ocorrências

40

30

20 15
10 6
0
ANÉIS RANHURA
Região

Figura 4.8: Região da ocorrência no estator


Fonte: Esta Pesquisa, 2013.

Como o foco das ações será através de intervenções no processo produtivo do estator, foi
identificado em que etapa do processo de montagem do estator estas ocorrências fazem parte. De
acordo com a divisão das etapas do processo produtivo de montagem do estator (Figura 4.9), a

65
Capítulo 4 Estudo de caso

ocorrência dos anéis faz parte do processo de interconexão (Etapa 3) e já a ocorrência da ranhura
do processo de impregnação (Etapa 4) do estator.

MONTAGEM DO ESTATOR

APILADO BOBINADO INTERCONEXÃO IMPREGNAÇÃO


(ETAPA 1) (ETAPA 2) (ETAPA 3) (ETAPA 4)

Figura 4.9: Etapas de montagem do estator


Fonte: Esta Pesquisa, 2013.

Identificadas as etapas de montagem do processo de montagem do estator que


apresentaram as ocorrências de falhas, o próximo passo seguido foi á verificação dos valores de
resistência de isolamento, capacitância e horas trabalhadas dos aerogeradores fabricados neste
período.

4.5.1 Desenvolvimento

Com base no espaço amostral definido para o subsistema estator na seção 4.5, foi avaliado
o cenário antes da aplicação do FMEA, referente aos valores de resistência de isolamento e
capacitância mensurada no processo de montagem do estator e as horas trabalhadas pelo
aerogerador no parque. Estes dados fazem parte do escopo da mesma planilha anteriormente
disponibilizada pelo setor da Qualidade da empresa. A disposição destes dados se deu de forma
mensal no período do ano de 2011. As planilhas possuem os dados da ordem de produção do
gerador na fábrica, horas trabalhadas do aerogerador no parque, valores de resistência de
isolamento e capacitância medidos na fábrica, etc. Na Tabela 4.2 pode ser verificada a disposição
dos dados.

66
Capítulo 4 Estudo de caso

Tabela 4.2: Disposição dos dados


Fonte: Esta Pesquisa, 2011.
Ordem de Horas Capacitância - Capacitância -
RI - S1 RI - S2
Mês / Ano Produção do Data da Falha Trabalhadas no S1 S2
(MΩ) (MΩ)
Gerador (Fábrica) Parque (µF) (µF)
Fevereiro 2011 109 25/04/2011 1415,3 270,4 223,1 0,728 0,723
Janeiro 2011 105 20/02/2012 7317,3 242,6 181,9 0,745 0,741
Setembro 2011 217 16/02/2012 3097,7 224,3 185,4 0,702 0,705
Julho 2011 62 16/02/2012 5025,8 181,6 181 0,687 0,688
Outubro 2011 59 21/05/2012 5273,2 241,4 271 0,701 0,707
Maio 2011 157 24/02/2012 6191,7 370,7 392,8 0,703 0,715

Dando andamento ao desenvolvimento, foram aplicados conceitos de estatística buscando


a validação dos valores de resistência de isolamento, capacitância e horas trabalhadas, onde estes
serviram de indicador para outras análises no decorrer deste trabalho.

4.5.2 Resistência de Isolamento

Devido a características de projeto do estator, este é dividido em dois sistemas trifásicos,


denominados S1 (Sistema 1) e S2 (Sistema 2). Então, cada sistema terá os valores de resistência
de isolamento avaliados separadamente.

4.5.2.1 Resistência de Isolamento – S1 (Sistema 1)


De acordo com o espaço amostral definido, foi utilizado o Minitab 16 para aplicação do
teste de normalidade (Shapiro-Wilk), a fim de verificar se os dados de resistência de isolamento
S1 apresentam normalidade e obter a média amostral. A comprovação de normalidade será
através do p-valor da amostra que deverá ser > 0,05.
Aplicado o teste e visto que o p-valor obtido da amostra foi 0,065, verifica-se que, a um
nível de confiança de 95%, pode-se comprovar que os dados desta amostra apresentam
normalidade, podendo posteriormente aplicar-se o Teste t para comparação entre médias.
Analisando o gráfico, a média amostral obtida foi de 306,4MΩ (Figura 4.10).

67
Capítulo 4 Estudo de caso

Gráfico de Normalidade RI S1 Antes


Normal
99
Mean 306,4
StDev 142,2
95 N 21
RJ 0,955
90
P-Value 0,065
80
70
Percentual

60
50
40
30
20

10

1
0 100 200 300 400 500 600 700
RI S1 Antes

Figura 4.10: Gráfico de normalidade RI-S1 antes do FMEA


Fonte: Gerado pelo software Minitab 16, 2013.

Para os demais valores de resistência de isolamento S2, capacitância S1 e S2 e horas


trabalhadas foram utilizados os mesmos conceitos estatísticos acima.

4.5.2.2 Resistência de Isolamento – S2 (Sistema 2)


De acordo com o espaço amostral definido, foi utilizado o Minitab 16 para aplicação do
teste de normalidade (Shapiro-Wilk), a fim de verificar se os dados de resistência de isolamento
S2 apresentam normalidade e obter a média amostral. A comprovação de normalidade será
através do p-valor da amostra que deverá ser > 0,05.
Aplicado o teste e visto que o p-valor obtido da amostra foi 0,055, verifica-se que, a um
nível de confiança de 95%, pode-se comprovar que os dados desta amostra apresentam
normalidade, podendo posteriormente aplicar-se o Teste t para comparação entre médias.
Analisando o gráfico, a média amostral obtida foi de 283,9MΩ (Figura 4.11).

68
Capítulo 4 Estudo de caso

Gráfico de Normalidade RI S2 Antes


Normal
99
Mean 283,9
StDev 124,0
95 N 21
RJ 0,953
90
P-Value 0,055
80
70
Percentual

60
50
40
30
20

10

1
0 100 200 300 400 500 600
RI S2 Antes

Figura 4.11: Gráfico de normalidade RI-S2 antes do FMEA


Fonte: Gerado pelo software Minitab 16, 2013.

4.5.3 Capacitância

Devido a características de projeto do estator, este é dividido em dois sistemas trifásicos,


denominados S1 (Sistema 1) e S2 (Sistema 2). Então, cada sistema terá os valores de
capacitância avaliados separadamente.

4.5.3.1 Capacitância – S1 (Sistema 1)


De acordo com o espaço amostral definido, foi utilizado o Minitab 16 para aplicação do
teste de normalidade (Shapiro-Wilk), a fim de verificar se os dados de capacitância S1
apresentam normalidade e obter a média amostral. A comprovação de normalidade será através
do p-valor da amostra que deverá ser > 0,05.
Aplicado o teste e visto que o p-valor obtido da amostra foi > 0,100, verifica-se que, a um
nível de confiança de 95%, pode-se comprovar que os dados desta amostra apresentam
normalidade, podendo posteriormente aplicar-se o Teste t para comparação entre médias.
Analisando o gráfico, a média amostral obtida foi de 0,74μF (Figura 4.12).

69
Capítulo 4 Estudo de caso

Gráfico de Normalidade C S1 Antes


Normal
99
Mean 0,7424
StDev 0,03448
95 N 21
RJ 0,987
90
P-Value >0,100
80
70
Percentual

60
50
40
30
20

10

1
0,650 0,675 0,700 0,725 0,750 0,775 0,800 0,825
C S1 Antes

Figura 4.12: Gráfico de normalidade C-S1 antes do FMEA


Fonte: Gerado pelo software Minitab 16, 2013.

4.5.3.2 Capacitância – S2 (Sistema 2)


De acordo com o espaço amostral definido, foi utilizado o Minitab 16 para aplicação do
teste de normalidade (Shapiro-Wilk), a fim de verificar se os dados de capacitância S2
apresentam normalidade e obter a média amostral. A comprovação de normalidade será através
do p-valor da amostra que deverá ser > 0,05.
Aplicado o teste e visto que o p-valor obtido da amostra foi > 0,100, verifica-se que, a um
nível de confiança de 95%, pode-se comprovar que os dados desta amostra apresentam
normalidade, podendo posteriormente aplicar-se o Teste t para comparação entre médias.
Analisando o gráfico, a média amostral obtida foi de 0,74μF (Figura 4.13).

70
Capítulo 4 Estudo de caso

Gráfico de Normalidade C S2 Antes


Normal
99
Mean 0,7433
StDev 0,03291
95 N 21
RJ 0,976
90
P-Value >0,100
80
70
Percentual

60
50
40
30
20

10

1
0,650 0,675 0,700 0,725 0,750 0,775 0,800 0,825
C S2 Antes

Figura 4.13: Gráfico de normalidade C-S2 antes do FMEA


Fonte: Gerado pelo software Minitab 16, 2013.

4.5.4 Horas trabalhadas

As horas trabalhadas correspondem ao tempo em horas que o aerogerador realizou trabalho


no parque eólico antes de sua parada por uma falha, o deixando indisponível para geração de
energia.
De acordo com o espaço amostral definido, foi utilizado o Minitab 16 para aplicação do
teste de normalidade (Shapiro-Wilk), a fim de verificar se os dados de horas trabalhadas
apresentam normalidade e obter a média amostral. A comprovação de normalidade será através
do p-valor da amostra que deverá ser > 0,05.
Aplicado o teste e visto que o p-valor obtido da amostra foi > 0,100, verifica-se que, a um
nível de confiança de 95%, pode-se comprovar que os dados desta amostra apresentam
normalidade, podendo posteriormente aplicar-se o Teste t para comparação entre médias.
Analisando o gráfico, a média amostral obtida foi de 6.438h (Figura 4.14).

71
Capítulo 4 Estudo de caso

Gráfico de Normalidade Horas Trabalhadas Antes


Normal
99
Mean 6438
StDev 2170
95 N 21
RJ 0,965
90
P-Value >0,100
80
70
Percentual

60
50
40
30
20

10

1
0 2000 4000 6000 8000 10000 12000
Horas Trabalhadas Antes

Figura 4.14: Gráfico de normalidade horas trabalhadas antes do FMEA


Fonte: Gerado pelo software Minitab 16, 2013.

4.5.5 Apresentação dos resultados

De acordo com os cálculos realizados anteriormente, a Tabela 4.3 apresenta, de forma


geral e resumida, os valores da média referente às horas trabalhadas, resistência de isolamento
S1 e S2 e capacitância para S1 e S2, respectivamente. Os valores das medianas foram obtidas
através dos gráficos box-plot que serão apresentados posteriormente na seção 4.8.

Tabela 4.3: Disposição dos dados antes do FMEA


Fonte: Esta Pesquisa, 2013.

Antes do FMEA
Horas
RI-S1 RI-S2 C-S1 C-S2
Descrição Trabalhadas
(MΩ) (MΩ) (µF) (µF)
(h)

Média 6438 306,4 283,9 0,74 0,74

Mediana 6255 242,6 223,1 0,73 0,73

72
Capítulo 4 Estudo de caso

4.6 Aplicação do FMEA no processo de montagem do estator

4.6.1 Introdução

Conforme apresentado na seção 4.4 referente às falhas ocorridas no subsistema estator, foi
adotado a aplicação da metodologia FMEA para identificar funções, falhas, modos de falhas,
efeitos e riscos com o objetivo de eliminá-los ou reduzí-los. O FMEA foi aplicado no processo
de montagem do estator com foco nas etapas de interconexão e impregnação verificadas
anteriormente na seção 4.5, devido apresentarem as ocorrências de curto circuito nos anéis e na
ranhura, o que provocaram a indisponibilidade do aerogerador no parque eólico.
Os objetivos com a aplicação do FMEA para este trabalho foi verificar as falhas potenciais
que trouxeram resultados desfavoráveis ao subsistema em questão, devido à gravidade e a
freqüência com que ocorreram. Estas falhas que apresentaram severidade e ocorrência altas
foram tratadas especificamente (“de forma especial”), buscando a identificação de suas causas
comuns. Agindo desta maneira, permitiu ao time um direcionamento eficaz referente às ações a
serem seguidas, favorecendo as melhorias dos valores de resistência de isolamento e capacitância
na fábrica e das horas trabalhadas no parque. O time foi composto por integrantes das áreas de
Engenharia de Produto e Processo, Controle da Qualidade, Produção, Manutenção e por um
especialista externo em máquinas elétricas. O FMEA teve como líder o coordenador de
engenharia com a função de gerir as reuniões, documentações e outras atribuições inerentes a
função do líder. Os documentos afetados para este processo foram as especificações técnicas e
desenhos técnicos de engenharia, folhas de processos ou instruções de trabalhos e planos de
inspeção e teste.
De acordo com Palady (1997), existem dois tipos de abordagens utilizadas na construção
do FMEA, sendo estas a tradicional e a nova abordagem. A tradicional, também conhecida como
reativa, prioriza a utilização do NPR no processo decisório, o que pode levar ao time tomar
decisões escolhendo um modo de falha que seja menos crítico que os demais. A nova
abordagem, também conhecida como proativa, prioriza a utilização dos mais altos graus de
severidade e os mais altos índices de ocorrência para avaliar e selecionar os modos de falhas que
apresentam prioridade para tratamento através da utilização do gráfico de áreas e matriz de
investigação.
A metodologia FMEA adotada para este trabalho foi baseada no método proativo para
priorização dos modos de falha.

73
Capítulo 4 Estudo de caso

4.6.2 Elaboração do FMEA

Palady (1997) sugere algumas etapas para elaboração do FMEA com o apoio de algumas
ferramentas, sejam elas da qualidade ou não, buscando um direcionamento para o
desenvolvimento destas etapas. A decisão de seguir ou não esta proposta será do time, ou seja, a
forma de como será conduzida a elaboração do FMEA será avaliada e decidida entre os
integrantes do time.
A estratégia utilizada pelo time para elaboração do FMEA neste trabalho é definido
conforme a Figura 4.15, visto que seguido este fluxo, tem-se a garantia da identificação das
causas básicas que contribuem para um modo de falha.

Figura 4.15: Etapas de elaboração do FMEA


Fonte: Esta Pesquisa, 2013.

4.6.3 Formulário FMEA

O processo de aplicação do FMEA iniciou-se através da definição de alguns requisitos


como o subsistema estudado, objetivo, determinação das pessoas do time, documentos afetados,
datas de início e fechamento, etc. definidos na seção anterior e preenchidos através de um
formulário que serviu de base para acompanhamento e documentação válida para o andamento
do trabalho. A estrutura deste formulário foi definida através da utilização das referências
bibliográficas citadas neste trabalho, que serviram de base para a criação customizada do
formulário de maneira que a coleta dos dados seja simplificada e eficiente (Ver Apêndice).

74
Capítulo 4 Estudo de caso

4.6.4 Revisão técnica do processo

Definido os requisitos do FMEA, foi realizada a convocação do time para uma explanação
geral do trabalho e início das atividades através de uma revisão técnica do processo de
montagem do estator focado nas etapas de interconexão e interligação, utilizando a folha de
processo e dos demais documentos envolvidos, a fim de atribuir um nivelamento do
conhecimento por parte de todos os integrantes do time; desta forma buscou-se uma melhor e
maior contribuição por parte de todos para o alcance dos resultados esperados.

4.6.5 Brainstorming

Entendendo melhor o processo de montagem do estator após a revisão técnica, foi aplicada
junto ao time a técnica brainstorming com o objetivo de levantar os possíveis modos de falha
referentes ao processo de montagem que poderiam ter causado o efeito do curto circuito nos
anéis e na ranhura do estator. Com os possíveis modos de falha mapeados, foi realizado um filtro
de maneira ordenada destes possíveis modos para o efeito em questão, sendo agrupados e
posteriormente transcritos para o formulário do FMEA. A utilização do brainstorming favoreceu
para uma melhor interação entre os membros do time e uma discussão ordenada de forma a
trazer benefícios para o desenvolvimento deste trabalho.

4.6.6 Escalas de Severidade, Ocorrência e Detecção

Antes de se iniciar o preenchimento do formulário FMEA, posterior às possíveis causas


levantadas na seção anterior através do Brainstorming, adotou-se criar antes as escalas de
severidade, ocorrência e detecção.
De acordo com Palady (1997), as escalas e suas definições devem refletir a natureza dos
produtos ou processos das organizações, portanto, sugere que sejam criadas escalas específicas
tomando com base as normas e outras fontes de forma a se obter as escalas customizadas. Para
este trabalho, as escalas de severidade, ocorrência e detecção e suas respectivas descrições,
foram criadas pelo time de maneira customizada, buscando atender às estratégias da empresa.
Foram utilizadas como referência as tabelas citadas em Palady (1997) e as normas IEC-60812 e
SAE J 1739.

75
Capítulo 4 Estudo de caso

4.6.6.1 Escala de Severidade


A pergunta chave para determinação desta escala foi: Qual a gravidade do modo de falha
caso aconteça?
De acordo com a pergunta acima, para a escala de severidade foram adotadas as escalas de
número 1, 4, 7 e 10 com as descrições de insignificante, baixa, alta e extremamente alta,
respectivamente, e suas definições (Tabela 4.4).

Tabela 4.4: Escala de severidade


Fonte: Esta Pesquisa, 2013.
ESCALA DE SEVERIDADE

CLASSE DESCRIÇÃO DEFINIÇÃO


Falha interrompe o funcionamento do aerogerador, gerando
10 Extremamente Alta
custos significativos e risco de operação para a empresa.
Falha interrompe o funcionamento do aerogerador e perda de
7 Alta
faturamento para a empresa.
Falha resulta na perda de desempenho do produto gerando
4 Baixa
perda de faturamento para a empresa.
Falha parcial, mas não há parada e nem perda de desempenho do
1 Insignificante
aerogerador.

4.6.6.2 Escala de Ocorrência


A pergunta chave para determinação desta escala foi: Qual a chance da ocorrência do
modo de falha acontecer?
De acordo com a pergunta acima, para a escala de ocorrência foram adotadas as escalas de
número 1, 4, 7 e 10 com as descrições de improvável, baixa, alta e extremamente alta,
respectivamente, e suas definições (Tabela 4.5).

76
Capítulo 4 Estudo de caso

Tabela 4.5: Escala de ocorrência


Fonte: Esta Pesquisa, 2013.
ESCALA DE OCORRÊNCIA

CLASSE DESCRIÇÃO DEFINIÇÃO

Uma única falha para um modo de probabilidade maior do


10 Extremamente Alta
que 0,10.
Uma única falha para um modo de probabilidade maior do
7 Alta
que 0,001 e menor que 0,01.
Uma única falha para um modo de probabilidade maior do
4 Baixa
que 0,0001 e menor que 0,001.
Uma única falha para um modo de probabilidade menor que
1 Improvável
0,0001.

4.6.6.3 Escala de Detecção


A pergunta chave para determinação desta escala foi: Qual a chance de se detectar este
modo de falha?
De acordo com a pergunta acima, para a escala de detecção foram adotadas as escalas de
número 1, 4, 7 e 10 com as descrições de praticamente certa, alta, baixa e praticamente
impossível, respectivamente, e suas definições (Tabela 4.6).

Tabela 4.6: Escala de detecção


Fonte: Esta Pesquisa, 2013.
ESCALA DE DETECÇÃO

CLASSE DESCRIÇÃO DEFINIÇÃO


Detecção impossível, não é aplicado método de inspeção no
10 Praticamente Impossível
processo.
Probabilidade baixa de detecção, o produto é inspecionado por
7 Baixa
amostragem em um lote.
Probabilidade de detecção alta, pois o processo é 100%
4 Alta
inspecionado por dispositivos tipo PNP.
Detecção certa, pois todo processo produtivo é inspecionado
1 Praticamente Certa
100% e os instrumentos caliberados e inspecionados.

77
Capítulo 4 Estudo de caso

4.6.7 Preenchimento do formulário FMEA

O formulário do FMEA foi desenvolvido pelo time de forma a obter o melhor arranjo para
otimização do tempo para obtenção das informações necessárias para o decorrer do processo. A
disposição destas informações para cada coluna da esquerda para direita, respectivamente, são:
etapa do processo, requisitos, modo de falha potencial, efeitos potenciais da falha, severidade,
causas potenciais da falha, ocorrência, controles de processos atuais (prevenção), controle de
processos atuais (detecção), detecção, NPR, etc.
De acordo com as possíveis causas básicas definidas através do Brainstorming na seção
4.6.5, associou-se esta causa a um modo de falha e posteriormente foram preenchidos os demais
campos correspondentes a cada coluna descrita acima, exceto as colunas de severidade,
ocorrência, detecção e NPR que serão preenchidas posteriormente. Para cada modo de falha e
seu(s) respectivo(s) efeito(s) potenciais da falha foi associado um número e uma letra,
respectivamente, buscando facilitar a utilização destes dados nas próximas seções; caso tenha-se
um modo de falha com dois efeitos potenciais da falha, o número se repete e a letra é
acrescentada, como por exemplo: 1A e 1B.
Para determinação das escalas de severidade, ocorrência e detecção não foi necessário a
utilização de uma matriz de classificação, visto que se obteve consenso entre os integrantes do
time.
Posteriormente, preenchidos todos os respectivos campos e colunas referentes às causas
básicas, obteve-se um total de 40 modos de falhas referentes às etapas de interconexão e
impregnação do processo de montagem do estator.

4.6.8 Priorização dos modos de falha

Conforme definido na seção 4.6.1, foi adotado o método proativo que considera a
utilização do valor atribuído de severidade e ocorrência para priorização dos modos de falha. A
partir destes valores de severidade e ocorrência devidamente preenchidos para os 40 modos de
falhas identificados no formulário do FMEA utiliza-se o gráfico de área para classificar os
modos de falhas como baixa, média e alta prioridade. Esta classificação foi estabelecida de
acordo com as escalas de severidade e ocorrência definidas anteriormente.
Para determinar a classificação de prioridade dos modos de falhas, o método proativo
estabelece dois atributos para o processo de decisão, onde:

78
Capítulo 4 Estudo de caso

1 – Modos de falhas que apresentaram uma escala de severidade igual a 10 devem ser
tratados com maior relevância;
2 – Modos de falhas que suas escalas de severidade e ocorrência resultarem em índices de
alta prioridade através do gráfico de área devem ser tratados com maior relevância.
No gráfico de área, a severidade é representada no eixo X e a ocorrência no eixo Y. O
número corresponde ao modo de falha potencial e a letra ao efeito potencial da falha (Figura
4.16).

SEVERIDADE X OCORRÊNCIA
10
9
8
39A
1A, 2A, 5A, 6A, 15A,
7 Alta prioridade
OCORRÊNCIA

25A, 34A, 40A


6
5
4 Média prioridade 21A, 30A, 38A 10A, 31A, 32A

3
2 7A, 8A, 9A, 11A, 12A, 13A, 14A,
14B, 16A, 16B, 17A, 17B, 18A, 19A,
1 Baixa prioridade 3A, 3B, 4A, 29A 19B, 20A, 20B, 22A, 22B, 23A, 23B,
24A, 26A, 27A, 28A, 33A, 33B,
0 35A, 36A, 37A
0 1 2 3 4 5 6 7 8 9 10
SEVERIDADE

Figura 4.16: Gráfico de severidade x ocorrência antes das ações do FMEA


Fonte: Esta Pesquisa, 2013.

De acordo com o gráfico de área acima, 28 modos de falha apresentaram média prioridade
e 12 modos de falha apresentaram alta prioridade.
Definido a classificação para cada modo de falha, o time determinou que o foco para
realização do plano de ação será nos 12 modos de falhas que apresentaram alta prioridade. Dos
modos de falha listados, 10 foram referentes ao processo de montagem e 2 referentes ao produto.
Como já encontrava-se envolvido representante da engenharia de produto, a execução destas
ações ficaram sob sua responsabilidade.
Posterior a identificação dos modos de falha de alta prioridade através do gráfico de áreas,
foi utilizada uma matriz de investigação relacionando cada modo de falha às suas causas
potenciais. Nesta matriz, as causas potenciais de falha são listadas na vertical e os modos de

79
Capítulo 4 Estudo de caso

falha potencial na horizontal, o que proporciona uma melhor identificação das causas comuns ao
modo de falha (Figura 4.17).

Causa Potencial da Falha 1A 2A 5A 6A 10A 15A 25A 31A 32A 34A 39A 40A

Menor quantidade de voltas de fita nos anéis x

Maior quantidade de voltas de fita nos anéis x

Montagem dos anéis fora dos padrões especificados em


x x
Folha de Processo
Realização das conexões fora dos padrões especificados
x
em Folha de Processo
Retenção de impurezas que podem provocar um curto
x
circuito

Má isolação por perda de propriedade do material x

Não cumprimento por parte do operador da proporção da


x x
mistura especificada em Folha de Processo
Processo de Impregnação por Dipping Rolling não é o
x
adequado para a qualidade final esperada para o Estator
Não aplicação de uma vedação para evitar ou minimizar a
x
entrada de água no Estator

Baixa propriedade da resina poliester contra intempéries x

Figura 4.17: Matriz de investigação


Fonte: Esta Pesquisa, 2013.

Este tipo de análise indicou um melhor direcionamento para que o time do FMEA busque
de forma mais rápida e eficaz, referente aos custos, soluções para as causas de alta prioridade
através da elaboração do plano de ação.

4.6.9 Definição e execução do plano de ação

Definido os 12 modos de falha que apresentaram alta prioridade e suas causas potenciais
relatadas através da matriz de investigação, foi definido inicialmente um plano de ação seguindo
a estratégia de estabelecer ações corretivas para cada item. Os critérios para determinação destas
ações foram:
1° - Buscar eliminar os modos de falha;
2° - Reduzir a severidade do modo de falha;
3° - Reduzir a ocorrência do modo de falha;
4° - Melhorar a detecção do modo de falha.

80
Capítulo 4 Estudo de caso

Mesmo não considerando inicialmente a detecção para fins de priorização dos modos de
falha, esta foi considerada como possível ponto de melhoria, caso ocorresse a oportunidade de
atuar não comprometendo os custos e o tempo do trabalho.
Para cada modo de falha foi determinado uma ação recomendada; o responsável pela ação
e prazo para conclusão desta ação são descritos no formulário do FMEA.

4.6.10 Ações recomendadas

Segue abaixo as ações recomendadas pelo FMEA:

Verificar método de isolamento dos anéis, criar check de medição entre anéis para
inspeção de acordo com o especificado em folha de processo e treinar operadores e
inspetores: Verificou-se que o método atual de enfitamento dos anéis com a fita de mica de
espessura 0,15mm era aplicado com uma camada de 50% de sobreposição, admitindo desta
forma que os anéis ficariam com duas camadas de espessura total de 0,30mm, o que não é
correto. Esta quantidade de volta não era suficiente para suportar a condição dielétrica ao qual
foi submetida. Foi então modificado o método, aumentando a quantidade de voltas para duas
com sobreposição de 50%, buscando minimizar os pontos nos anéis que ficaram com apenas
uma volta; desta forma melhora-se a condição dielétrica do estator. Foi criado gabarito e inserido
check visual no PIT do setor da qualidade no decorrer do processo de montagem.
Posteriormente, definido o novo método, foi homologado em folha de processo e realizado
treinamento com todos os operadores e inspetores envolvidos no processo (Figura 4.18).

Figura 4.18: Sobreposição da fita


Fonte: Esta Pesquisa, 2013.

81
Capítulo 4 Estudo de caso

Criar gabarito para montagem dos anéis a fim de garantir a distância especificada
em folha de processo: Foi verificado que os valores encontrados da distância entre anéis era de
4mm, onde em folha de processo o especificado era de 7mm. Esta distância não atendida gera
uma degradação do isolamento através dos contaminantes que são acumulados entre anéis; com
isso inicia-se as descargas parciais e posteriormente a falha do estator. Foi criado um gabarito
que auxilia na montagem dos anéis, fazendo com que seja respeitado o distanciamento entre
anéis de 7mm, conforme especificado em folha de processo e também inserido como item de
verificação pelo setor da qualidade. Foi registrada na folha de processo a aplicação do gabarito e
realizado treinamento dos operadores e inspetores envolvidos no processo (Figura 4.19).

Figura 4.19: Medição entre anéis


Fonte: Fotografado pelo autor, 2012.

Verificar método de montagem das ligações a fim de garantir a distância entre


ligações especificada em folha de processo: As ligações entre terminais das bobinas
encontravam-se distribuídas de forma a não atenderem a uma distância padrão especificada. Foi
modificado o método de ligação entre terminais de forma a atender a distância especificada em
folha de processo. O não cumprimento desta distância traz malefícios ao estator, devido à
retenção de impurezas e possíveis descargas parciais localizadas. Foi alterado o método e
solicitado a inclusão de check visual no PIT da qualidade e realizado treinamento dos operadores
e inspetores envolvidos no processo (Figura 4.20).
.

82
Capítulo 4 Estudo de caso

Figura 4.20: Distância entre ligações


Fonte: Fotografado pelo autor, 2012.

Verificar a possibilidade de não utilização do feltro entre ligações: Foi constatada a


utilização de feltro entre as ligações. Este tipo de prática promove a retenção de impurezas entre
ligações vindas a provocar descargas parciais e falha ao estator. Solicitou-se a não utilização dos
feltros entre ligações, pois foi verificado que não traz nenhum benefício ao processo e produto.
Posterior à não utilização, foi homologado em folha de processo e solicitado a inclusão de check
visual no PIT (Plano de Inspeção e Teste) da qualidade. Foi realizado treinamento dos
operadores e inspetores envolvidos (Figura 4.21).

.
Figura 4.21: Feltro entre ligações
Fonte: Fotografado pelo autor, 2012.

Verificar outro método de aplicação da fita de mica no terminal dos cabos de força ou
outro material: Foi verificado a irregularidade do terminal para fixação dos cabos de potência,
não proporcionando uma boa aplicação da fita e, por conseqüência, uma má isolação. Os espaços
“vazios” provocados pela não isolação total do terminal proporciona descargas parciais que
danificam o sistema de isolação, o que provoca a falha no estator. Foi desenvolvido e aplicado
uma massa isolante nos terminais, buscando uma melhor superfície de vedação para aplicação da

83
Capítulo 4 Estudo de caso

fita. Foi alterado na folha de processo, solicitando a utilização desta massa e realizando
treinamento dos operadores e inspetores envolvidos (Figura 4.22).

Figura 4.22: Terminal de ligação dos cabos de força


Fonte: Fotografado pelo autor, 2012.

Criar método por peso e registro posterior dos componentes da resina: O método
aplicado para medição entre componentes A e B da resina não era o adequado para garantir uma
homogeneização adequada da resina, o que causa uma não aderência e cura da resina no estator.
Com isso, foi modificado o método de pesagem através da utilização de balança com etiqueta
para registro e rastreabilidade da proporção dos componentes utilizados no processo. Alterado a
folha de processo com a inclusão desta etiqueta na ordem de produção e o PIT da qualidade, foi
solicitado, a inspeção desta etiqueta e pesagem para verificar se o peso de cada componente
encontra-se de acordo com o especificado. Foi realizado treinamento dos operadores e inspetores
envolvidos.

Verificar mudança de Processo de impregnação de dipping rolling para o processo de


VPI (Vaccum Pressure Impregnation): Foi realizado estudo e verificado a necessidade de se
modificar o processo de impregnação de dipping rolling para VPI, devido ser o processo de
tecnologia mais adequado para o tipo de máquina que fabrica-se, garantindo uma melhor
qualidade de impregnação. Foi modificado o método de impregnação do estator através da
aquisição de uma planta de VPI. Foi criada uma nova folha de processo e realizado treinamento
com os operadores e inspetores envolvidos no processo.

Desenvolver selo de vedação para aplicação no estator: Foi evidenciada a entrada de


água proveniente de chuva no estator durante sua operação no parque eólico; este acúmulo de

84
Capítulo 4 Estudo de caso

água junto aos demais contaminantes iônicos provocam degradação do sistema isolante do
estator, o que o leva à falha. Com isso, foi desenvolvido um selo de vedação para o estator
funcionando como uma canaleta, visando o não acúmulo desta água. Posterior ao
desenvolvimento e verificação da eficácia através de testes, foi aplicado no processo de
montagem do estator a instalação deste selo. Foi incluído na folha de processo esta nova
atividade e também a verificação de cotas no PIT que garantem a montagem. Foi realizado
treinamento dos operadores e inspetores envolvidos.

Verificar mudança da resina poliéster para uma resina epóxi: Foi realizado estudo e
verificado a necessidade de se modificar a resina de poliéster para epóxi, devido esta última
possuir características técnicas melhores para o ambiente que os aerogeradores são instalados. O
início da utilização da resina foi junto com o processo de impregnação por VPI.
Posteriormente à execução das ações recomendadas, estas foram documentadas no
formulário FMEA através das ações adotadas e a data efetiva da ação respectiva a cada modo de
falha.

4.6.11 Análise dos resultados

Após a execução efetiva das ações baseadas nos critérios adotados na seção 4.6.9, os
resultados obtidos foram que os 12 modos de falhas identificados anteriormente como de alta
prioridade, todos assumiram o status de média prioridade através da melhoria da ocorrência e
severidade (Figura 4.23).

85
Capítulo 4 Estudo de caso

SEVERIDADE X OCORRÊNCIA
10

8
Alta prioridade
7
OCORRÊNCIA

4 Média prioridade
3

2
1A, 2A, 5A, 6A, 10A, 15A,
1 39A, 40A
Baixa prioridade 25A, 31A, 32A, 34A
0
0 1 2 3 4 5 6 7 8 9 10
SEVERIDADE

Figura 4.23: Gráfico de severidade x ocorrência depois das ações


Fonte: Esta Pesquisa, 2013.

A detecção não foi utilizada na interpretação das melhorias, mas alguns dos modos de
falha tiveram suas detecções melhoradas, pois se enxergou a oportunidade de melhorar, devido
os recursos aplicados terem sido mínimos, não comprometendo o tempo e custo envolvido do
FMEA.
Caso as ações não tivessem apresentado êxito no processo, deveria ser realizado uma retro-
alimentação do FMEA por parte do time, a fim de verificar que ações devem ser revisadas para
que o objetivo seja alcançado. Não foi necessária neste trabalho esta prática.
Segundo o IQA (2008), o FMEA de processo deve ser tratado como um documento vivo
pela empresa e revisado sempre que ocorrer modificações no projeto do produto ou processo e
posteriormente atualizado.
Os custos envolvidos para implantação das ações recomendadas no FMEA foram de
aproximadamente R$ 6 milhões; já o custo de reparo na fábrica para cada estator que apresentou
falha (não levando em consideração a perda de receita pela não geração de energia devido à
indisponibilidade do aerogerador no parque eólico) foi em torno de R$ 350.000,00.
Tomando como base as 49 ocorrências de falhas no estator no ano de 2011, pode-se
calcular os seguintes custos:
Custo estimado de reparo R$ 350.000,00 x 49 estatores.............................R$ 17.150.000,00
Custo estimado para implementação das ações do FMEA............................R$ 6.000.000,00

86
Capítulo 4 Estudo de caso

Diferença......................................................................................................R$ 11.150.000,00
Com a implantação das ações recomendadas no FMEA, baseado no histórico das
ocorrências, a previsão da economia anual do custo foi de em torno de R$ 11.150.000,00.

4.7 Cenário depois da aplicação do FMEA

4.7.1 Análise dos dados

Posterior às ações definidas no FMEA e aplicadas no processo produtivo de montagem do


estator, conforme descrito na seção 4.6.10, os dados utilizados como base para este trabalho
foram disponibilizados pelo setor da Qualidade da empresa e cedidos ao setor de Engenharia
através de planilhas em Excel. Estas possuem o histórico dos valores de resistência de
isolamento e capacitância posterior às ações implantadas nas etapas de interconexão e
impregnação do estator, e das horas trabalhadas dos aerogeradores instalados no parque eólico
localizado no Ceará, dispostos de forma mensal no período do ano de 2012. As planilhas
possuem os dados da ordem de produção do gerador na fábrica, horas trabalhadas do aerogerador
no parque, valores de resistência de isolamento e capacitância medidos na fábrica, etc. Na Tabela
4.7 pode ser verificada a disposição dos dados.

Tabela 4.7: Disposição dos dados


Fonte: Esta Pesquisa, 2012.
Horas Capacitância - Capacitância -
RI - S1 RI - S2
Mês / Ano Região OP do Gerador Trabalhadas até S1 S2
(MΩ) (MΩ)
Setembro 2013 (µF) (µF)
Abril 2012 CE I 1003860 11757,0 610 1012 0,84 0,84
Abril 2012 CE I 1003932 11759,0 336 454 0,89 0,88
Maio 2012 CE I 1003937 9998,5 721 554 0,85 0,9
Abril 2012 CE I 1003859 11372,6 751 709 0,94 0,94
Março 2012 CE I 1003748 11387,8 254 213 0,92 0,92
Março 2012 CE I 1003746 11798,7 514 489 0,87 0,88

O início da análise dos dados foi realizado com o objetivo de verificar se houveram
melhorias nos valores de resistência de isolamento S1 e S2, capacitância S1 e S2 e horas
trabalhadas dos aerogeradores em comparação aos valores do ano de 2011. Foi adotado o mês de
setembro de 2013 como o mês de corte para os valores das horas trabalhadas dos aerogeradores
no parque eólico, para fins de análise.

87
Capítulo 4 Estudo de caso

4.7.2 Tratativa dos dados e definição do espaço amostral

O início desta seção se deu com a verificação e tratamento dos dados para definição do
espaço amostral com o objetivo de avaliar a utilização destes para prosseguimento do estudo de
caso. Foi verificado na planilha existente que algumas colunas não possuíam dados, como
valores de resistência de isolamento, capacitância e horas trabalhadas. Desta forma, a decisão foi
de retirar as amostras que possuem a falta destes dados do espaço amostral.
Inicialmente tinha-se 39 amostras e posterior à tratativa dos dados, obteve-se como
resultado o espaço amostral de 22 amostras, estas referente à medição dos valores de resistência
de isolamento, capacitância do processo de montagem de estatores e também das horas
trabalhadas no parque eólico.
Este novo espaço amostral com 22 amostras, determinado após a tratativa dos dados, será
utilizado no decorrer do trabalho.

4.7.3 Desenvolvimento

Com base no espaço amostral definido na seção anterior, foi avaliado o cenário depois da
implantação das ações definidas através do FMEA referentes aos valores de resistência de
isolamento e capacitância mensurados no processo de montagem do estator na fábrica e as horas
trabalhadas pelo aerogerador no parque eólico. Estes dados fazem parte do escopo da mesma
planilha anteriormente disponibilizada pelo setor da Qualidade da empresa. A disposição destes
dados se deu de forma mensal no período do ano de 2012. As planilhas possuem os dados da
ordem de produção do gerador na fábrica, horas trabalhadas do aerogerador no parque, valores
de resistência de isolamento e capacitância medidos na fábrica, etc. Na Tabela 4.8 pode ser
verificada a disposição dos dados.

Tabela 4.8: Disposição dos dados


Fonte: Esta Pesquisa, 2012.
Horas Capacitância - Capacitância -
RI - S1 RI - S2
Mês / Ano Região OP do Gerador Trabalhadas até S1 S2
(MΩ) (MΩ)
Setembro 2013 (µF) (µF)
Abril 2012 CE I 1003860 11757,0 610 1012 0,84 0,84
Abril 2012 CE I 1003932 11759,0 336 454 0,89 0,88
Maio 2012 CE I 1003937 9998,5 721 554 0,85 0,9
Abril 2012 CE I 1003859 11372,6 751 709 0,94 0,94
Março 2012 CE I 1003748 11387,8 254 213 0,92 0,92
Março 2012 CE I 1003746 11798,7 514 489 0,87 0,88

88
Capítulo 4 Estudo de caso

Dando andamento à tratativa dos dados, foram aplicados conceitos de estatística buscando
a validação dos valores de resistência de isolamento, capacitância e horas trabalhadas, onde estes
serviram de indicador para outras análises no decorrer deste trabalho.

4.7.4 Resistência de Isolamento

Devido a características de projeto do estator, este é dividido em dois sistemas trifásicos,


denominados S1 (Sistema 1) e S2 (Sistema 2). Então, cada sistema terá os valores de resistência
de isolamento avaliados separadamente, adotando a mesma tratativa da seção 4.5.2 deste
trabalho.

4.7.4.1 Resistência de Isolamento – S1 (Sistema 1)


De acordo com o espaço amostral definido anteriormente, foi utilizado o Minitab 16 para
aplicação do teste de normalidade (Shapiro-Wilk), a fim de verificar se os dados de resistência
de isolamento S1 apresentam normalidade e obter a média amostral. A comprovação de
normalidade será através do p-valor da amostra que deverá ser > 0,05.
Aplicado o teste e visto que o p-valor obtido da amostra foi > 0,100, verifica-se que, a um
nível de confiança de 95%, pode-se comprovar que os dados desta amostra apresentam
normalidade, podendo posteriormente aplicar-se o Teste t para comparação entre médias.
Analisando o gráfico, a média amostral obtida foi de 776,6MΩ (Figura 4.24).

89
Capítulo 4 Estudo de caso

Gráfico de Normalidade RI S1 Depois


Normal
99
Mean 776,6
StDev 218,8
95 N 22
RJ 0,965
90
P-Value >0,100
80
70
Percentual

60
50
40
30
20

10

1
200 400 600 800 1000 1200 1400
RI S1 Depois

Figura 4.24: Gráfico de normalidade RI-S1 depois do FMEA


Fonte: Gerado pelo software Minitab 16, 2013.

Para os demais valores de resistência de isolamento S2, capacitância S1 e S2 e horas


trabalhadas foram utilizados os mesmos conceitos estatísticos acima.

4.7.4.2 Resistência de Isolamento – S2 (Sistema 2)


De acordo com o espaço amostral definido, foi utilizado o Minitab 16 para aplicação do
teste de normalidade (Shapiro-Wilk), a fim de verificar se os dados de resistência de isolamento
S2 apresentam normalidade e obter a média amostral. A comprovação de normalidade será
através do p-valor da amostra que deverá ser > 0,05.
Aplicado o teste e visto que o p-valor obtido da amostra foi > 0,100, verifica-se que, a um
nível de confiança de 95%, pode-se comprovar que os dados desta amostra apresentam
normalidade, podendo posteriormente aplicar-se o Teste t para comparação entre médias.
Analisando o gráfico, a média amostral obtida foi de 761MΩ (Figura 4.25).

90
Capítulo 4 Estudo de caso

Gráfico de Normalidade RI S2 Depois


Normal
99
Mean 761,0
StDev 254,2
95 N 22
RJ 0,963
90
P-Value >0,100
80
70
Percentual

60
50
40
30
20

10

1
0 200 400 600 800 1000 1200 1400
RI S2 Depois 1

Figura 4.25: Gráfico de normalidade RI-S2 depois do FMEA


Fonte: Gerado pelo software Minitab 16, 2013.

4.7.5 Capacitância

Devido a características de projeto do estator, este é dividido em dois sistemas trifásicos,


denominados S1 (Sistema 1) e S2 (Sistema 2). Então, cada sistema terá os valores de
capacitância avaliados separadamente, adotando a mesma tratativa da seção 4.5.3 deste trabalho.

4.7.5.1 Capacitância – S1 (Sistema 1)


De acordo com o espaço amostral definido, foi utilizado o Minitab 16 para aplicação do
teste de normalidade (Shapiro-Wilk), a fim de verificar se os dados de capacitância S1
apresentam normalidade e obter a média amostral. A comprovação de normalidade será através
do p-valor da amostra que deverá ser > 0,05.
Aplicado o teste e visto que o p-valor obtido da amostra foi 0,082, verifica-se que, a um
nível de confiança de 95%, pode-se comprovar que os dados desta amostra apresentam
normalidade, podendo posteriormente aplicar-se o Teste t para comparação entre médias.
Analisando o gráfico, a média amostral obtida foi de 0,85μF (Figura 4.26).

91
Capítulo 4 Estudo de caso

Gráfico de Normalidade C S1 Depois


Normal
99
Mean 0,8545
StDev 0,03203
95 N 22
RJ 0,959
90
P-Value 0,082
80
70
Percentual

60
50
40
30
20

10

1
0,80 0,84 0,88 0,92 0,96
C S1 Depois

Figura 4.26: Gráfico de normalidade C-S1 depois do FMEA


Fonte: Gerado pelo software Minitab 16, 2013.

4.7.5.2 Capacitância – S2 (Sistema 2)


De acordo com o espaço amostral definido, foi utilizado o Minitab 16 para aplicação do
teste de normalidade (Shapiro-Wilk), a fim de verificar se os dados de capacitância S2
apresentam normalidade e obter a média amostral. A comprovação de normalidade será através
do p-valor da amostra que deverá ser > 0,05.
Aplicado o teste e visto que o p-valor obtido da amostra foi > 0,100, verifica-se que, a um
nível de confiança de 95%, pode-se comprovar que os dados desta amostra apresentam
normalidade, podendo posteriormente aplicar-se o Teste t para comparação entre médias.
Analisando o gráfico, a média amostral obtida foi de 0,85μF (Figura 4.27).

92
Capítulo 4 Estudo de caso

Gráfico de Normalidade C S2 Depois


Normal
99
Mean 0,8564
StDev 0,03723
95 N 22
RJ 0,968
90
P-Value >0,100
80
70
Percentual

60
50
40
30
20

10

1
0,75 0,80 0,85 0,90 0,95
C S2 Depois

Figura 4.27: Gráfico de normalidade C-S2 depois do FMEA


Fonte: Gerado pelo software Minitab 16, 2013.

4.7.6 Horas trabalhadas

Para este trabalho, as horas trabalhadas correspondem ao tempo em horas que o


aerogerador realizou trabalho até o mês de setembro de 2013; houve a necessidade de se realizar
este corte para fins de verificação da eficácia das melhorias dos valores de resistência de
isolamento e capacitância.
De acordo com o espaço amostral definido, foi utilizado o Minitab 16 para aplicação do
teste de normalidade (Shapiro-Wilk), a fim de verificar se os dados de horas trabalhadas
apresentam normalidade e obter a média amostral. A comprovação de normalidade será através
do p-valor da amostra que deverá ser > 0,05.
Aplicado o teste e visto que o p-valor obtido da amostra foi > 0,100, verifica-se que, a um
nível de confiança de 95%, pode-se comprovar que os dados desta amostra apresentam
normalidade, podendo posteriormente aplicar-se o Teste t para comparação entre médias.
Analisando o gráfico, a média amostral obtida foi de 8.281h (Figura 4.28).

93
Capítulo 4 Estudo de caso

Gráfico de Normalidade Horas Trabalhadas Depois


Normal
99
Mean 8281
StDev 1822
95 N 22
RJ 0,970
90
P-Value >0,100
80
70
Percentual

60
50
40
30
20

10

1
4000 5000 6000 7000 8000 9000 10000 11000 12000 13000
HT Depois 1

Figura 4.28: Gráfico de normalidade horas trabalhadas depois do FMEA


Fonte: Gerado pelo software Minitab 16, 2013.

4.7.7 Apresentação dos resultados

De acordo com os cálculos realizados anteriormente, a Tabela 4.9 apresenta de forma geral
e resumida, os valores da média referente às horas trabalhadas, resistência de isolamento para S1
e S2 e capacitância para S1 e S2, respectivamente. Os valores das medianas foram obtidas
através dos gráficos box-plot que serão apresentados posteriormente na seção 4.8.

Tabela 4.9: Disposição dos dados


Fonte: Esta Pesquisa, 2013.
Depois do FMEA
Horas
RI-S1 RI-S2 C-S1 C-S2
Descrição Trabalhadas
(MΩ) (MΩ) (µF) (µF)
(h)

Média 8281 776,6 761 0,85 0,85

Mediana 8129 699 695 0,85 0,85

94
Capítulo 4 Estudo de caso

4.8 Análises dos resultados

Diante dos resultados obtidos nas seções anteriores, referentes aos valores de resistência de
isolamento S1 e S2, capacitância S1 e S2 e horas trabalhadas, foi realizado o teste de hipótese
para fins de comprovação e validação, utilizando o comparativo entre médias antes e depois da
aplicação do FMEA.

4.8.1 Comparativo da resistência de isolamento – S1 (Sistema 1) antes e depois do


FMEA

A fim de comparar os valores das médias referentes à resistência de isolamento S1 antes e


depois do FMEA, foi aplicado o Teste t; para isso foram determinadas duas hipóteses, onde:
Hipótese H0: As médias de resistência de isolamento S1 antes e depois são iguais (μ1=μ2)
Hipótese H1: As médias de resistência de isolamento S1 antes e depois não são iguais
(μ1≠μ2)
Utilizando o Minitab 16, foi aplicado o Teste t para verificar a hipótese de igualdade entre
as médias (hipótese H0); a comprovação será através do p-valor da amostra que deverá ser >
0,05.
O p-valor obtido da amostra foi igual a 0,000. Tem-se que, com um nível de confiança de
95%, rejeita-se o nível de 5% de significância da hipótese H0 de igualdade entre as médias
(Figura 4.29).

Figura 4.29: Teste t RI-S1 antes e depois do FMEA


Fonte: Gerado pelo software Minitab 16, 2013.

95
Capítulo 4 Estudo de caso

Também utilizando o Minitab 16, foi aplicado o Teste de Wilcoxon para verificar a
hipótese de igualdade entre as médias (hipótese H0); a comprovação será através do p-valor da
amostra que deverá ser > 0,05.
O p-valor obtido da amostra foi igual a 0,000. Tem-se que, com um nível de confiança de
95%, rejeita-se o nível de 5% de significância da hipótese H0 de igualdade entre as médias
(Figura 4.30).

Figura 4.30: Teste de Wilcoxon RI-S1 antes e depois do FMEA


Fonte: Gerado pelo software Minitab 16, 2013.

Através do gráfico box-plot gerado a partir do Minitab 16, pode-se verificar o comparativo
dos valores de R1-S1 antes e depois do FMEA, da média e da mediana representadas pela linha
azul e verde, respectivamente. Analisando o gráfico, a média antes (depois) foi de 306,4MΩ
(776,6MΩ) e a mediana antes (depois) de 242,6MΩ (699MΩ). Obteve-se uma melhoria
aproximadamente na média de 153% e na mediana de 188% (Figura 4.31).

96
Capítulo 4 Estudo de caso

Box-plot RI S1 Antes; RI S1 Depois

1200

1000

800 776,6
Data

699
600

400
306,4

200 242,6

0
RI S1 Antes RI S1 Depois

Figura 4.31: Box-plot referente à R1-S1 antes e depois do FMEA. Linha azul (verde) linha da média
(linha da mediana)
Fonte: Gerado pelo software Minitab 16, 2013.

Para os demais comparativos antes e depois entre média e mediana de resistência de


isolamento S2, capacitância S1 e S2 e horas trabalhadas foram utilizados os mesmos conceitos
estatísticos acima.

4.8.2 Comparativo da resistência de isolamento – S2 (Sistema 2) antes e depois do


FMEA

A fim de comparar os valores das médias referentes à resistência de isolamento S2 antes e


depois do FMEA, foi aplicado o Teste t; para isso foram determinadas duas hipóteses, onde:
Hipótese H0: As médias de resistência de isolamento S2 antes e depois são iguais (μ1=μ2)
Hipótese H1: As médias de resistência de isolamento S2 antes e depois não são iguais
(μ1≠μ2)
Utilizando o Minitab 16, foi aplicado o Teste t para verificar a hipótese de igualdade entre
as médias (hipótese H0); a comprovação será através do p-valor da amostra, que deverá ser >
0,05.
O p-valor obtido da amostra foi igual a 0,000. Tem-se que, com um nível de confiança de
95%, rejeita-se o nível de 5% de significância da hipótese H0 de igualdade entre as médias
(Figura 4.32).

97
Capítulo 4 Estudo de caso

Figura 4.32: Teste t RI-S2 antes e depois do FMEA


Fonte: Gerado pelo software Minitab 16, 2013.

Também utilizando o Minitab 16, foi aplicado o Teste de Wilcoxon para verificar a
hipótese de igualdade entre as médias (hipótese H0); a comprovação será através do p-valor da
amostra que deverá ser > 0,05.
O p-valor obtido da amostra foi igual a 0,000. Tem-se que, com um nível de confiança de
95%, rejeita-se o nível de 5% de significância da hipótese H0 de igualdade entre as médias
(Figura 4.33).

Figura 4.33: Teste de Wilcoxon RI-S2 antes e depois do FMEA


Fonte: Gerado pelo software Minitab 16, 2013.

Através do gráfico box-plot gerado a partir do Minitab 16, pode-se verificar o comparativo
dos valores de R1-S2 antes e depois do FMEA da média e da mediana representadas pela linha
azul e verde, respectivamente. Analisando o gráfico, a média antes (depois) foi de 283,9MΩ
(761MΩ) e a mediana antes (depois) de 223,1MΩ (695MΩ). Obteve-se uma melhoria
aproximadamente na média de 168% e na mediana de 212% (Figura 4.34).

98
Capítulo 4 Estudo de caso

Box-plot RI S2 Antes; RI S2 Depois


1200

1000

800 761
695
Data

600

400
283,9
223,1
200

0
RI S2 Antes RI S2 Depois

Figura 4.34: Box-plot referente à R1-S2 antes e depois do FMEA. Linha azul (verde) linha da média (linha
da mediana)
Fonte: Gerado pelo software Minitab 16, 2013.

4.8.3 Comparativo da capacitância – S1 (Sistema 1) antes e depois do FMEA

A fim de comparar os valores das médias referentes à capacitância S1 antes e depois do


FMEA, foi aplicado o Teste t; para isso foram determinadas duas hipóteses, onde:
Hipótese H0: As médias de capacitância S1 antes e depois são iguais (μ1=μ2)
Hipótese H1: As médias de capacitância S1 antes e depois não são iguais (μ1≠μ2)
Utilizando o Minitab 16, foi aplicado o Teste t para verificar a hipótese de igualdade entre
as médias (hipótese H0); a comprovação será através do p-valor da amostra que deverá ser >
0,05.
O p-valor obtido da amostra foi igual a 0,000. Tem-se que, com um nível de confiança de
95%, rejeita-se o nível de 5% de significância da hipótese H0 de igualdade entre as médias
(Figura 4.35).

99
Capítulo 4 Estudo de caso

Figura 4.35: Teste t C-S1 antes e depois do FMEA


Fonte: Gerado pelo software Minitab 16, 2013.

Também utilizando o Minitab 16, foi aplicado o Teste de Wilcoxon para verificar a
hipótese de igualdade entre as médias (hipótese H0); a comprovação será através do p-valor da
amostra que deverá ser > 0,05.
O p-valor obtido da amostra foi igual a 0,000. Tem-se que, com um nível de confiança de
95%, rejeita-se o nível de 5% de significância da hipótese H0 de igualdade entre as médias
(Figura 4.36).

Figura 4.36: Teste de Wilcoxon C-S1 antes e depois do FMEA


Fonte: Gerado pelo software Minitab 16, 2013.

Através do gráfico box-plot gerado a partir do Minitab 16, pode-se verificar o comparativo
dos valores de C-S1 antes e depois do FMEA da média e da mediana representadas pela linha
azul e verde, respectivamente. Analisando o gráfico, a média antes (depois) foi de 0,74μF
(0,85μF) e a mediana antes (depois) foi de 0,73μF (0,85μF); obteve-se uma melhoria
aproximadamente na média de 15% e na mediana de 16% (Figura 4.37).

100
Capítulo 4 Estudo de caso

Box-plot C S1 Antes; C S1 Depois


0,95

0,90

0,85
0,85
0,85
Data

0,80

0,75
0,74

0,73

0,70

C S1 Antes C S1 Depois

Figura 4.37: Box-plot referente à C-S1 antes e depois do FMEA. Linha azul (verde) linha da média
(linha da mediana)
Fonte: Gerado pelo software Minitab 16, 2013.

4.8.4 Comparativo da capacitância – S2 (Sistema 2) antes e depois do FMEA

A fim de comparar os valores das médias referentes à capacitância S2 antes e depois do


FMEA, foi aplicado o Teste t; para isso foram determinadas duas hipóteses, onde:
Hipótese H0: As médias de capacitância S2 antes e depois são iguais (μ1=μ2)
Hipótese H1: As médias de capacitância S2 antes e depois não são iguais (μ1≠μ2)
Utilizando o Minitab 16, foi aplicado o Teste t para verificar a hipótese de igualdade entre
as médias (hipótese H0); a comprovação será através do p-valor da amostra que deverá ser >
0,05.
O p-valor obtido da amostra foi igual a 0,000. Tem-se que, com um nível de confiança de
95%, rejeita-se o nível de 5% de significância da hipótese H0 de igualdade entre as médias
(Figura 4.38).

101
Capítulo 4 Estudo de caso

Figura 4.38: Teste t C-S2 antes e depois do FMEA


Fonte: Gerado pelo software Minitab 16, 2013.

Também utilizando o Minitab 16, foi aplicado o Teste de Wilcoxon para verificar a
hipótese de igualdade entre as médias (hipótese H0); a comprovação será através do p-valor da
amostra que deverá ser > 0,05.
O p-valor obtido da amostra foi igual a 0,000. Tem-se que, com um nível de confiança de
95%, rejeita-se o nível de 5% de significância da hipótese H0 de igualdade entre as médias
(Figura 4.39).

Figura 4.39: Teste de Wilcoxon C-S2 antes e depois do FMEA


Fonte: Gerado pelo software Minitab 16, 2013.

Através do gráfico box-plot gerado a partir do Minitab 16, pode-se verificar o comparativo
dos valores de C-S2 antes e depois do FMEA da média e da mediana representadas pela linha
azul e verde, respectivamente. Analisando o gráfico, a média antes (depois) foi de 0,74μF
(0,85μF) e a mediana antes (depois) foi de 0,73μF (0,85μF), obteve-se uma melhoria
aproximadamente na média de 15% e na mediana de 16% (Figura 4.40).

102
Capítulo 4 Estudo de caso

Box-plot C S2 Antes; C S2 Depois


0,95

0,90

0,85
0,85 0,85
Data

0,80

0,75 0,74

0,73

0,70

C S2 Antes C S2 Depois

Figura 4.40: Box-plot referente à C-S2 antes e depois do FMEA. Linha azul (verde) linha da média
(linha da mediana)
Fonte: Gerado pelo software Minitab 16, 2013.

4.8.5 Comparativo das horas trabalhadas antes e depois do FMEA

A fim de comparar os valores das médias referentes às horas trabalhadas antes e depois do
FMEA, foi aplicado o Teste t; para isso foram determinadas duas hipóteses, onde:
Hipótese H0: As médias das horas trabalhadas antes e depois são iguais (μ1=μ2)
Hipótese H1: As médias das horas trabalhadas antes e depois não são iguais (μ1≠μ2)
Utilizando o Minitab 16, foi aplicado o Teste t para verificar a hipótese de igualdade entre
as médias (hipótese H0); a comprovação será através do p-valor da amostra que deverá ser >
0,05.
O p-valor obtido da amostra foi igual a 0,005. Tem-se que, com um nível de confiança de
95%, rejeita-se o nível de 5% de significância da hipótese H0 de igualdade entre as médias
(Figura 4.41).

103
Capítulo 4 Estudo de caso

Figura 4.41: Teste t horas trabalhadas antes e depois do FMEA


Fonte: Gerado pelo software Minitab 16, 2013.

Também utilizando o Minitab 16, foi aplicado o Teste de Wilcoxon para verificar a
hipótese de igualdade entre as médias (hipótese H0); a comprovação será através do p-valor da
amostra que deverá ser > 0,05.
O p-valor obtido da amostra foi igual a 0,000. Tem-se que, com um nível de confiança de
95%, rejeita-se o nível de 5% de significância da hipótese H0 de igualdade entre as médias
(Figura 4.42).

Figura 4.42: Teste de Wilcoxon horas trabalhadas antes e depois do FMEA


Fonte: Gerado pelo software Minitab 16, 2013.

Através do gráfico box-plot gerado a partir do Minitab 16, pode-se verificar o comparativo
dos valores das horas trabalhadas antes e depois do FMEA da média e da mediana representadas
pela linha azul e verde, respectivamente. Analisando o gráfico, a média antes (depois) foi de
6.438h (8.281h) e a mediana antes (depois) foi de 6.254h (8.129h). Obteve-se uma melhoria
aproximadamente na média de 29% e na mediana de 30% (Figura 4.43).

104
Capítulo 4 Estudo de caso

Box-plot Horas Trabalhadas Antes; Horas Trabalhadas Depois


12000

10000

8281
8000
8129
6438
Data

6000 6254

4000

2000

0
Horas Trabalhadas Antes Horas Trabalhadas Depois

Figura 4.43: Box-plot referente às horas trabalhadas antes e depois do FMEA. Linha azul (verde) linha da
média (linha da mediana)
Fonte: Gerado pelo software Minitab 16, 2013.

De acordo com os resultados obtidos neste trabalho, após as comparações entre médias
realizadas antes e depois do FMEA, mostram uma melhoria dos indicadores de resistência de
isolamento S1 e S2, capacitância S1 e S2 e horas trabalhadas, após a aplicação das ações de
melhorias estabelecidas a partir do FMEA.
As melhorias obtidas (média e mediana, respectivamente) foram: resistência de isolamento
S1 (153% e 188%), resistência de isolamento S2 (168% e 212%), capacitância S1 (15% e 16%),
capacitância S2 (15% e 16%) e horas trabalhadas (29% e 30%) (Tabela 4.10).

Tabela 4.10: Disposição dos dados


Fonte: Esta Pesquisa, 2013.

Melhorias Obtidas
Horas
RI-S1 RI-S2 C-S1 C-S2
Descrição Trabalhadas
(MΩ) (MΩ) (µF) (µF)
(h)

Média 29% 153% 168% 15% 15%

Mediana 30% 188% 212% 16% 16%

105
Capítulo 4 Estudo de caso

Comparando a quantidade de geradores produzidos no período de 2011 e 2012 versus a


quantidade de ocorrências de falhas tem-se:
2011: 182 geradores produzidos e 49 ocorrências de falhas no estator, o que resultou um
índice em torno de 27%.
2012: 146 geradores produzidos e 4 ocorrências de falhas no estator, o que resultou um
índice em torno de 3%.
Diante do fato, após as melhorias dos valores de resistência de isolamento S1 e S2 e
capacitância S1 e S2 dos estatores na fábrica, a partir das ações definidas no FMEA, obteve-se
uma redução de 27% para 3% de ocorrências de falhas nos aerogeradores do parque. Estas
ocorrências de falhas apresentadas em 2012 já foram tratadas através da aplicação de outro
FMEA que atuou de forma eficaz, de maneira que os aerogeradores não apresentaram mais
ocorrências de falhas.
Considerando a melhoria em torno de 30% referente às horas trabalhadas do aerogerador
no parque eólico, pode-se concluir também que, com as melhorias dos valores de resistência de
isolamento S1 e S2 e capacitância S1 e S2 dos estatores na fábrica, obteve-se ganho no requisito
geração de energia para o período, e por conseqüência, uma maior receita para a empresa.
Como exemplo, pode-se estimar a quantidade de energia gerada de um aerogerador em
MWh/mês no parque eólico, através da equação (4.1):

E (MWh) = P x Δt x FC (4.1)

onde:
E = energia gerada;
P = potência nominal do aerogerador;
Δt = período da geração;
FC = valor do fator de capacidade estimado do parque eólico 1

Logo, temos:

E (MWh) = 1,5MW x 24 horas x 30 dias x 0,5 = 540 MWh

Equação retirada de: <http://www.ons.org.br>. Acesso em: 04 out. 2013

106
Capítulo 4 Estudo de caso

Referente à melhoria alcançada de 30% da média nas horas trabalhadas, obteve-se um


acréscimo médio de 162MWh de energia gerada para cada aerogerador.
O valor do MWh para o parque em questão custa R$ 310,00; assim o faturamento de
cada aerogerador considerando apenas o ganho obtido na geração de energia foi de 162MWh x
R$ 310,00 o que resulta no valor de R$ 50.220,00. Considerando um parque eólico instalado
com 20 aerogeradores, a receita da empresa referente à energia gerada foi acrescida em torno de
R$ 1.000.000,00 por mês.

107
Capítulo 5 Conclusões

5 CONCLUSÕES

Neste capítulo serão descritas as conclusões do trabalho bem como sugestões para
trabalhos futuros.
Com o crescimento do mercado de energia eólica faz-se necessário que os fabricantes de
aerogeradores forneçam, para este mercado, equipamentos confiáveis com relação à qualidade e
disponibilidade de operação a um preço competitivo; para isto é primordial o conhecimento das
potenciais falhas que podem ocorrer durante as etapas do processo de montagem, buscando
extingui-las ou minimizá-las de forma a atender aos requisitos de qualidade requeridos pelo
cliente, como também a redução dos custos associados ao processo.
Este trabalho abordou a utilização da metodologia FMEA aplicada ao processo de
montagem do aerogerador, sendo realizado através de estudo de caso com o objetivo de realizar
melhorias no processo que resultem em uma melhor qualidade e performance do produto.
Inicialmente, através da fundamentação teórica, foram abordados os assuntos como
diagrama de Pareto, FMEA, estatística descritiva, distribuição normal, hipóteses estatísticas,
Teste t, teste de resistência de isolamento, teste de capacitância e gráfico box-plot que ajudaram
no desenvolvimento teórico deste trabalho.
Posteriormente, foi realizada a revisão bibliográfica que relatou os objetivos e resultados
obtidos com a utilização da metodologia FMEA aplicada em diversas áreas de atuação. Desta
forma obteve-se um melhor conhecimento dos métodos utilizados na metodologia FMEA, a fim
de minimizar os riscos associados à priorização dos modos de falha, contribuindo para o
desenvolvimento do trabalho.
Logo após, foi realizado o estudo de caso através da aplicação do FMEA no processo de
montagem do estator (subsistema do aerogerador). A escolha deste subsistema foi baseada em
dados anteriores que apontaram ser a área que apresentou o maior índice de falhas nas etapas de
interconexão e impregnação, tornando-o o processo mais crítico, ou seja, que requer maiores
cuidados. Para um melhor entendimento, foi realizado um fluxograma das atividades envolvidas
para o desenvolvimento do estudo de caso.
Com a aplicação do FMEA, foi possível identificar os modos de falhas das etapas de
interconexão e impregnação do processo de montagem do estator e, através do método de
priorização com base nos valores das escalas de severidade e ocorrência, definiu-se um plano de

108
Capítulo 5 Conclusões

ação propondo melhorias com o objetivo de eliminar ou minimizar as causas dos modos de
falhas.
Após a implantação das melhorias definidas no FMEA para as etapas de interconexão e
impregnação, obteve-se como resultado ganhos consideráveis de resistência de isolamento e
capacitância do estator em comparação aos valores anteriores (sem aplicação do FMEA), onde
os ganhos obtidos (média e mediana, respectivamente) foram: resistência de isolamento S1
(153% e 188%), resistência de isolamento S2 (168% e 212%), capacitância S1 (15% e 16%),
capacitância S2 (15% e 16%) e horas trabalhadas (29% e 30%).
Através das melhorias dos valores de resistência de isolamento e capacitância, obteve-se
uma redução de 27% para 3% de ocorrências de falhas dos aerogeradores no parque eólico,
reduzindo assim os custos envolvidos devido o retorno do gerador a fábrica. Estas ocorrências
apresentadas em 2012, posterior à aplicação do FMEA, já foram tratadas através da aplicação de
um novo ciclo do FMEA, de forma que não foram relatadas mais ocorrências de falhas até os
dias atuais. Referente à melhoria em torno de 30% na média das horas trabalhadas, obteve-se um
acréscimo médio de 162 MWh de energia gerada por aerogerador. Levando em consideração que
um parque eólico possui 20 aerogeradores, foi acrescido no faturamento da empresa a quantia em
torno de R$ 1.000.000,00 / mês referente à energia gerada.
Em resumo, com a implantação das melhorias definidas pelo FMEA através do método
proativo para priorização dos modos de falhas aplicado ao processo de montagem do subsistema
estator, obtiveram-se melhorias nos valores de resistência de isolamento e capacitância
mensurados no processo de montagem, como também aumento da performance dos
aerogeradores nos parques eólicos através da disponibilidade para operação mensurada pelas
horas trabalhadas. Com isso, obteve-se uma maior geração de energia e por conseqüência maior
receita para a empresa, redução dos custos associados à execução das melhorias no estator e um
fator crucial, a melhoria da imagem da empresa perante o mercado.
Espera-se que baseado nos resultados obtidos neste trabalho, possa de alguma forma
contribuir para uma melhor qualidade e performance do produto e auxiliar o alcance dos
objetivos e metas da empresa.
Por fim, foram adquiridos conhecimentos sobre a importância do FMEA como
metodologia perante sua aplicação em diversas áreas de atuação através dos trabalhos descritos
na revisão bibliográfica, como também da eficácia de sua aplicação através dos resultados

109
Capítulo 5 Conclusões

obtidos neste trabalho. Perante os fatos, a metodologia FMEA será utilizada pela empresa como
parte integrante da análise de falhas em seus processos produtivos.

Segue abaixo algumas sugestões para trabalhos futuros com base na metodologia FMEA:

 Realizar um estudo mais amplo da metodologia FMEA a fim de explorar melhor


alguns aspectos e verificar se outras técnicas podem ser aplicadas em conjunto;
 Mesmo com a eficácia dos resultados obtidos através do método proposto aplicado
neste trabalho, sugere-se verificar a possibilidade de desenvolver um outro método para
priorização dos modos de falhas, buscando minimizar ainda mais os riscos associados
nesta etapa do FMEA;
 Considerar os trabalhos descritos nos artigos citados na revisão bibliográfica deste
trabalho, a fim de auxiliar no desenvolvimento de um novo método para priorização dos
modos de falhas. Os métodos aplicados foram baseados em lógica fuzzy, integração de
abordagens (fuzzy e teoria da utilidade, fuzzy e GRRS, etc), utilização de softwares
especialistas, dentre outros. O método por lógica fuzzy foi o mais utilizado.

Considerando a empresa em questão, sugerem-se os seguintes pontos:

 Utilizar a metodologia FMEA nos demais processos de montagem do aerogerador,


buscando desta maneira adotar como prática a aplicação desta metodologia nas demais
áreas da empresa;
 Visto o êxito dos resultados no processo de montagem do estator, apresentados neste
trabalho, sugere-se a aplicação de um FMEA ou outro tipo de metodologia que auxilie na
análise de falhas na etapa de desenvolvimento do projeto do aerogerador antes da liberação
para o processo de montagem;
 Avaliar uma abordagem mais ampla referente aos custos envolvidos na execução das
melhorias dos estatores que apresentaram falhas;
 Referente ao parque eólico, definir um critério para determinação do período de
medição ou adquirir equipamento de análise on-line, a fim de monitorar os indicadores de
resistência de isolamento e capacitância, com o objetivo de evitar ou minimizar a falha do
aerogerador.

110
REFERÊNCIAS BIBLIOGRÁFICAS

AHMAD, Rosmaini et al. Failure analysis of machinery by considering external factors and
multiple failure modes – A case study in the processing industry. Engineering Failure
Analysis, v. 25, p. 182-192, May/Jun. 2012.

ANDRIOTTI, José Leonardo Silva. Fundamentos de Estatística e Geoestatística. Rio Grande


do Sul: Unisinos, 2003.

BARENDS, D. M. et al. Risk analysis of analytical validations by probabilistic modification of


FMEA. Journal of Pharmaceutical and Biomedical Analysis. p. 82-86, Feb. 2012.

BOLETIM de acompanhamento mensal da geração de energia das usinas eolielétricas com


programação e despacho centralizados pelo ONS. 2013. Disponível em:
<http://www.ons.org.br/resultados_operacao/boletim_mensal_geracao_eolica/index.aspx>.
Acesso em: 04 out. 2013.

BOWLES, John B. & PELÁEZ, C. Enrique. Fuzzy logic prioritization of failures in a system
failure mode, effects and criticality analysis. Reliability Engineering and System Safety,
Northern Ireland, v. 50, p. 203-213, Feb./Jun. 1995.

BURGMEIER, J. Failure mode and effect analysis: An application in reducing risk in blood
transfusion. Jt Comm J Qual Improv, v. 28, p. 331-339, 2002.

CODY, Robert J. Anticipating Risk for Human Subjects Participating in Clinical Research:
Application of Failure Mode and Effects Analysis. Cancer Investigation, v. 24, p. 209-214,
2006.

111
CUSTODIO, Ronaldo dos Santos. Energia eólica para produção de energia elétrica. Rio de
Janeiro: Eletrobrás, 2009.

DONG, Chensong. Failure mode and effects analysis based on fuzzy utility cost estimation.
International Journal of Quality & Reliability Management, v. 24, n. 9, p. 958-971,
2007.

ESRA BAS. An investment plan for preventing child injuries using risk priority number of
failure mode and effects analysis methodology and a multi-objective, multi-dimensional
mixed 0-1 knapsack model. Reliability Engineering and System Safety, v. 96, p. 748-756,
Feb./Mar. 2011.

HOSEYNABADI, Arabian H.; ORAEE H.; TAVNER, P. J. Failure Modes and Effects Analysis
(FMEA) for wind turbines. Electrical Power and Energy Systems, v. 32, p. 817-824, Dec.
2009/Jan. 2010.

INSTITUTE OF ELECTRICAL AND ELECTRONICS ENGINEERS - IEEE 43. IEEE


Recommended Practice for Testing Insulation Resistance of Rotating Machinery.
IEEE, 2000.

INSTITUTO DA QUALIDADE AUTOMOTIVA. Análise de Modo e Efeitos de Falha


Potencial: FMEA. 4.ed. Manuais QS-9000. São Paulo, 2008.

INTERNATIONAL ELECTROTECHNICAL COMMISSION - IEC-60812. Analysis


techniques for system reliability – Procedure for failure mode and effects analysis
(FMEA). 2. ed. IEC, 2006.

JURAN, J.M. & GRYNA, Frank M. Controle da Qualidade: Métodos Estatísticos Clássicos
Aplicados à Qualidade. Tradução Maria Cláudia de Oliveira Santos. São Paulo: Makron
Books, 1992.

112
LIU, Hu-Chen; LIU, Long; LIU, Nan. Risk evaluation approaches in failure mode and effects
analysis: A literature review. Expert Systems with Applications, v. 40, p. 828-838, 2012.

LIU, Long et al. Use-related risk analysis for medical devices based on improved FMEA. Work,
v. 41, p. 5860-5865, 2012.

MANN, Prem S. Introdução à Estatística. Tradução Eduardo Benedito Curtolo, Tereza Cristina
Padilha de Souza. 5. ed. Rio de Janeiro: LTC, 2006.

MCDERMOTT, Robin E.; MIKULAK Raymond J.; BEAUREGARD, Michael R. The basics of
FMEA. 2.ed. New York, USA: CRC Press, 2009.

NEPAL, Bimal P. et al. A Framework for Capturing and Analyzing the Failures due to
System/Component Interactions. Quality and Reliability Engineering International, v.
24, p. 265-289, Nov. 2007.

OZILGEN, Sibel. Application of failure mode and effect analysis model to foodservice systems
operated by chefs practice and by chefs from a culinary school in Turkey. Journal of
Consumer Protection and Food Safety, v. 5, p. 333-343, 2010.

PALADY, Paul. FMEA: Análise dos Modos de Falha e Efeitos: prevendo e prevenindo
problemas antes que ocorram. São Paulo: IMAM, 1997.

PEREIRA, Mário Jorge. Engenharia de Manutenção – Teoria e Prática. 2. ed. Rio de Janeiro:
Ciência Moderna, 2011.

PERKS, Julian R. et al. Failure Mode and Effect Analysis for Delivery of Lung Stereotactic
Body Radiation Therapy. International Journal of Radiation Oncology, California, v. 83,
n. 4, p. 1324-1329, Aug./Sep. 2011.

113
RAMOS, Edson M. L. Soares; ALMEIDA, Silvia dos Santos de; ARAÚJO, Adrilayne dos Reis.
Controle Estatístico da Qualidade. Porto Alegre: Bookman, 2013.

RYAN, Thomas P. Estatística Moderna para Engenharia. Tradução Luiz Cláudio de Queiroz
Faria. Rio de Janeiro: Elsevier, 2009.

SIEGEL, Sidney; CASTELLAN Jr., N. John. Estatística não-paramétrica para ciências do


comportamento. Tradução Sara Ianda Correa Carmona. 2. ed. Porto Alegre: Artmed, 2006.

SOCIETY OF AUTOMOTIVE ENGINEERS - SAE J1739. Potencial Failure Mode and


Effects Analysis in Manufacturing and Assembly Processes (Process FMEA). 2009.

SLACK, Nigel et al. Administração da Produção. São Paulo: Atlas, 1996.

SPIEGEL, Murray R. Estatística. Tradução e revisão técnica Pedro Consentino. 3. ed. São
Paulo: Pearson Makron Books, 1993.

STAMATIS, D.H. Failure Mode and Effect Analysis, FMEA from Theory to Execution.
Milwaukee, Wisconsin, USA: ASQS Quality Press, 1995.

STONE, Greg C. et al. Electrical Insulation for Rotating Machines: Design, Evaluation,
Aging, Testing and Repair. Canadá: IEEE Press Series on Power Engineering, 2004.

SU, Xiaoyan et al. An improved method for risk evaluation in failure modes and efffects analysis
of aircraft engine rotor blades. Engineering Failure Analysis, v. 26, p. 164-174, Jul./Sep.
2012.

TAY, K. M. & LIM, C. P. Enhancing the Failure Mode and Effect Analysis methodology with
fuzyy inference techniques. Journal of Intelligent & Fuzzy Systems, v. 21, p. 135-146,
2010.

114
TAY, Kai Meng & LIM, Chee Peng. Fuzzy FMEA with a guided rules reduction system for
prioritization of failures. International Journal of Quality & Reliability Management, v.
23, n. 8, p. 1047-1066, Jan. 2006.

TRIOLA, Mario F. Introdução à Estatística. Tradução Vera Regina Lima de Farias e Flores;
revisão técnica Ana Maria Lima de Farias e Flores. Rio de Janeiro: LTC, 2005.

VINODH, S. et al. Fuzzy assessment of FMEA for rotary switches: a case study. The TQM
Journal, v. 24, n. 5, p. 461-475, May/Aug. 2011.

YANG, JP et al. Risk evaluation in failure mode and effects analysis of aircraft turbine rotor
blades using Dempster-Shafer evidence theory under uncertainty. Eng Fail, v. 18, p. 84-92,
2011.

XIAO, Ningcong, et al. Multiple failure modes analysis and weighted risk priority number
evaluation in FMEA. Engineering Failure Analysis, v. 18, p. 1162-1170, Feb./Mar. 2011.

XU, K. et al. Fuzzy assessment of FMEA for engine systems. Reliability Engineering and
System Safety, v. 75, p. 17-29, May 1999/Jul. 2002.

115
APÊNDICE

MODELO DE FORMULÁRIO DO FMEA PROPOSTO PARA UTILIZAÇÃO NO ESTUDO DE CASO.

ANÁLISE DE MODO E EFEITOS DE FALHA POTENCIAL (FMEA DE PROCESSO DAS ETAPAS DE INTERCONEXÃO E IMPREGNAÇÃO) - RI E CAPACITÂNCIA
ELABORADO DATA DA
TIME DESCRIÇÃO DOCUMENTOS AFETADOS
SISTEMA DATA DE INÍCIO POR: REVISÃO

DATA DE
SUB-SISTEMAS FECHAMENTO REVISÃO

LÍDER DO FMEA Nº FMEA

PÁGINA

Resultados das Ações


Controles de
Etapa do Modo de Efeito(s) Causa(s) Controles de Prazo para
Processo Ação
Processo/ Requisitos Falha Potenciais da Severidade Potenciais Ocorrência Processo Atuais Detecção NPR Responsável Conclusão da Ações Data Efetiva da
Atuais Recomendada Severidade Ocorrência Detecção NPR
Função Potencial Falha da Falha (Prevenção) Ação Adotadas Ação
(Detecção)

116