Escolar Documentos
Profissional Documentos
Cultura Documentos
METODOLOGIA DE MANUTENÇÃO
BASEADA NO RISCO
1. OBJETIVO .............................................................................................................3
2. DESCRIÇÃO DO SISTEMA...................................................................................3
3. MANUTENÇÃO BASEADA NO RISCO..................................................................7
4. CÁLCULO DO RISCO.............................................................................................9
5. ANÁLISE DE CRITICIDADE..................................................................................11
5.1 ANÁLISE HIERÁRQUICA DE PROCESSOS..................................................12
5.2 ESTRUTURAÇÃO DA HIERARQUIA............................................................. 13
5.3 PESOS OBTIDOS NA ANÁLISE HIERÁRQUICA DE PROCESSOS..............15
6. EQUIPAMENTOS ANALISADOS...........................................................................16
7. OBTENÇÃO E TRATAMENTO DOS DADOS........................................................17
8. CÁLCULO DAS CONSEQUÊNCIAS......................................................................17
9. CÁLCULO DAS TAXAS DE FALHA.......................................................................18
10. CÁLCULO DO RISCO DOS EQUIPAMENTOS AVALIADOS................................22
11. CONCLUSÕES.......................................................................................................28
12. SUGESTÕES PARA FUTUROS ESTUDOS..........................................................29
13. REFERÊNCIAS......................................................................................................31
1. OBJETIVO
2. DESCRIÇÃO DO SISTEMA
A Tabela 1 indica os arranjos de bombas utilizados para o envio de cada um dos produtos.
$3.500.000
$3.000.000
$2.500.000
$2.000.000
$1.500.000
$1.000.000
$500.000
$-
jul/18 set/18 out/18 dez/18 fev/19 mar/19mai/19 jul/19 ago/19
A análise de risco é uma técnica para identificar, caracterizar, quantificar e avaliar a perda
por um evento indesejado. A abordagem da análise de risco integra a análise de probabilidade
e consequência em vários estágios da análise e tenta responder às seguintes perguntas:
I. O que pode dar errado que pode levar a uma falha do sistema?
A avaliação de risco pode ser quantitativa ou qualitativa. A saída de uma avaliação de risco
quantitativa será normalmente um número, como impacto de custo ($) por unidade de tempo. O
número pode ser usado para priorizar uma série de itens que foram avaliados quanto ao risco.
A avaliação quantitativa dos riscos requer uma grande quantidade de dados tanto para a
avaliação das probabilidades quanto para a avaliação das consequências. A árvore de falhas ou
árvores de decisão são frequentemente usadas para determinar a probabilidade de que uma
certa sequência de eventos resultará em uma determinada consequência.
A estratégia proposta de manutenção baseada em risco (RBM) visa reduzir o risco geral de
falha das instalações operacionais. Nas áreas de alto e médio risco, é necessário um esforço de
manutenção focado, enquanto nas áreas de baixo risco, o esforço pode ser minimizado para
reduzir o escopo total de trabalho e o custo do programa de manutenção de forma estruturada
e justificável.
Fase 1: Definição dos objetivos e estratégias de manutenção. Nesta fase pretende-se que
sejam definidos os objetivos de curto, médio e longo prazo na gerência de manutenção, bem
como os indicadores que irão medir o seu cumprimento. Um aspecto importante desta fase é
que ela permite também apresentar os objetivos aos gestores da empresa, facilitando as
negociações orçamentárias, paradas programadas, etc.
Fase 2: Classificação das equipes de acordo com a importância de sua função. Uma vez
definidos os objetivos da manutenção, o próximo passo é conhecer as áreas críticas para o
alcance desses objetivos. A execução da Fase 1 permitirá estabelecer os critérios que permitem
realizar a hierarquia dos ativos e áreas da empresa. O resultado desta fase será um ranking de
equipamentos ou áreas que permitirá estabelecer a melhor estratégia para atingir os objetivos
previamente definidos.
Fase 3: Análise de pontos fracos em equipamentos de alto impacto. Uma vez listados os
equipamentos, a primeira tarefa será atacar os ativos cujas falhas podem ter consequências
piores para o processo.
Fase 6: Avaliação e controle da execução da manutenção. Nesta altura, uma vez definida
a política de manutenção, cabe avaliar a sua eficácia e estabelecer as possíveis melhorias a
serem implementadas.
4. CÁLCULO DO RISCO
Onde:
R(t): Risco
f(t): Frequência
C$(t): Consequências
A frequência da falha será avaliada por meio da taxa de falha da distribuição de Weibull,
cujos parâmetros serão calculados a partir das análises estatísticas dos dados obtidos no
sistema SAP, considerando somente os eventos que deixaram o equipamento indisponível;
corretivas, preventivas ou inspeções periódicas.
Onde;
Essa análise preliminar de risco é conhecida como screening (triagem), o resultado final da
análise será um mapa do risco dos equipamentos analisados classificado pelo seu risco.
Assim, os equipamentos classificados com maiores índices de risco merecerão uma análise
mais detalhada, por meio de uma FMEA (Análise de Modos e Efeitos de Falha), identificando os
principais modos de falha de modo a reduzir as frequências de falha, ou até tomar a decisão de
adquirir um equipamento novo.
5. ANÁLISE DE CRITICIDADE
De acordo com a norma ISO 31000 Risk Management System (SGR), o processo de gestão
de risco deve ser parte integrante da gestão dos ativos físicos, devendo atender aos requisitos
estabelecidos na norma, para sua identificação, análise, avaliação e tratamento do risco em seu
contexto operacional.
O objetivo dessa norma é descrever um processo de trabalho eficiente e racional que resulta
em um programa de manutenção otimizado com base em uma análise de risco, bem como uma
análise de custo-risco-benefício.
A utilização da AHP (Análise Hierárquica de Processos) vem crescendo dia a dia nas mais
diversas áreas, e na gestão da manutenção de ativos auxiliando na tomada de decisões no
momento de direcionar os recursos financeiros, humanos e tecnológicos, para desenvolver
planos de manutenção mais eficientes, para os quais é necessário ter em consideração o nível
de criticidade dos diferentes sistemas/equipamentos que participam no processo de produção.
Esta situação não é fácil de resolver, visto que existe uma grande variedade de fatores
envolvidos que geram grande incerteza no processo hierárquico dos sistemas, por isso, a
aplicação da técnica AHP pode ajudar a identificar especificamente o nível de criticidade,
permitindo a otimização da distribuição efetiva dos recursos de manutenção em função do grau
de importância de cada sistema no processo produtivo.
Ao projetar a árvore hierárquica do AHP, o objetivo é desenvolver uma estrutura geral que
satisfaça as necessidades dos analistas para resolver o problema de seleção da melhor política
de manutenção. A AHP começa dividindo um problema complexo e com vários critérios em uma
hierarquia em que cada nível compreende alguns elementos gerenciáveis que são então
divididos em outro conjunto de elementos. O processo de análise hierárquica aqui proposto está
baseado na metodologia desenvolvida por Saaty, executar as seguintes etapas:
III. A técnica AHP permite ao analista avaliar a congruência dos julgamentos com o raio
de inconsistência (IR). Antes de determinar uma inconsistência, é necessário estimar
o índice de consistência (CI) de uma matriz de julgamento n x n, onde CI é definido
por:
𝐶𝐼 = (4)
𝑅𝐶 = (5)
IV. Como resultado final da análise o que se tem é uma classificação do peso dos
critérios adotados. Para cada critério, o nível de classificação é calculado em uma
escala entre 0,0000 - 1.000.
É possível realizar toda a análise utilizando uma planilha de EXCEL, como a seleção da
importância dos critérios adotados é qualitativa, utilizou um software livre chamado de
Superdecisions o qual possuí diversas ferramentas, principalmente a que realiza uma análise de
sensibilidade entre os diversos critérios, permitindo assim uma análise bem mais consistente.
A figura 5 apresenta o modelo aplicado para a Análise Hierárquica de Processos utilizando
o software Super Decisions, construído da seguinte forma:
Figura 5 – Modelo construído no programa Super Decisions para obtenção dos pesos
6. EQUIPAMENTOS ANALISADOS
Foi assumido que os tempos das intervenções dos equipamentos analisados seguem uma
distribuição de Weibull, sendo que os parâmetros foram obtidos segundo um programa escrito
na linguagem Python, de forma automática e sem intervenção do analista.
Foram assumidos alguns valores para o cálculo das consequências, descritas a seguir:
• Valor estimado de aquisição de uma bomba principal nova com motor R$ 1.000.000,00
• Valor de aquisição de uma bomba auxiliar nova com motor para claros R$ 650.000,00
• Valor de aquisição de uma bomba auxiliar nova com motor para GLP R$ 750.000,00
O valor reduzido com custos com limpeza e destinação dos vazamentos é devido ao
pequeno volume vazado, uma vez que assim que descoberto a gerência providencia imediata
correção do problema. O valor estimado de uma vida humana foi adotado em função dos
diversos estudos de RBI e de Análise Quantitativa de Riscos no quais foram assumidos o valor
de 1 milhão de dólares. O valor de 6,5% para a probabilidade de ignição imediata e de 1% para
a probabilidade de fatalidade em caso de incêndio em poça foram adotados segundo diversas
referências e de estudos já realizados.
Conforme comentado, os parâmetros das distribuições de cada bomba foram obtidos com
o auxílio do script em Python e estão apresentados na tabela 14, assim com os valores
calculados para o MTTF dado pela equação (6) e taxas de falhas equação (7).
𝜆(𝑡) = . (7)
𝐹 (𝑡) = 1 − 𝑒 (8)
𝑅 (𝑡) = 𝑒 (9)
Onde;
O cálculo do risco foi obtido pelo produto da consequência da falha pela sua frequência,
aqui substituída pela taxa de falha, que não deixa de ser uma frequência (no de falhas/unidade
de tempo).
11. CONCLUSÕES
Cabe ressaltar que os métodos multicritérios não apresentam uma solução ótima para o
problema, mas uma solução coerente através do equilíbrio do processo de decisão e das
relações existentes entre as alternativas, critérios e preferências dos decisores.
Esse programa seria um scritp desenvolvido em Python e que integre todos esses conceitos,
além de fazer a busca pelos dados no SAP, e executar todo tratamento estatístico para obtenção
dos diversos parâmetros, e realizar todos os cálculos apresentados nesse trabalho uma vez que
a linguagem possuí todos os módulos necessários.
O modelo também pode ser integrado a metodologias de manutenção como o RCM, durante
etapas de classificação dos equipamentos e análise de falhas, e a filosofia de Manutenção
Produtiva Total (MPT) associada ao pilar de manutenção planejada, com intuito de otimizar a
gestão das ações de manutenção e melhorar a visão técnica da equipe sobre todos ativos de
uma instalação.
O trabalho pode ser estendido para explorar outras possibilidades, integrando a metodologia
baseada no AHP com a lógica fuzzy baseada em regras ou método de redes neurais.
Usando os algoritmos de Machine Learning, será possível extrair a estrutura do método AHP
e os respectivos pesos para cada um dos critérios escolhidos de forma totalmente automáticos
deixando de utilizar a subjetividade.
Como foi visto, o AHP é amplamente utilizado como modelo de decisão, devido à forma em
que lida com múltiplos critérios, devido a sua fácil compreensão e operação com dados
qualitativo e quantitativo.
Esse aspecto é exatamente o que torna interessante associar o AHP à teoria da lógica
Fuzzy conhecida na literatura como Fuzzy Analytical Hierarchy Process (FAHP) ou Processo
Analítico Hierárquico Estendido com Lógica Fuzzy.
Assim, a variante fuzzy consiste em que se um especialista considerou, por exemplo, que a
variável V1 é mais importante do que a variável V2 em uma razão de 3 para 1 (3/1), agora este
julgamento suaviza seu valor para o de uma expressão linguística como "cerca de 3 para 1", ou
com uma importância entre 2/1, ou 4/1, e assim por diante, expressões que serão
representadas por números difusos triangulares.
• Al-Najjar, B., & Alsyouf, I. (2003). Selecting the Most Efficient Maintenance Approach Using
Fuzzy Multiple Criteria Decision Making. International Journal of Production Economics,
84(1), 85-100.
• Arunraj, N. S., & Maiti, J. (2010). Risk-Based Maintenance Policy Selection Using AHP and
Goal Programming. Safety science, 48(2), 238-247.
• Bertolini, M., Bevilacqua, M., 2006. A Combined Goal Programming – AHP Approach to
Maintenance Selection Problem. Reliability Engineering and System Safety 91, 839–848.
• Bevilacqua, M., Braglia, M., 2000. The Analytical Hierarchy Process Applied to
Maintenance Strategy Selection. Relaibility Engineering and System Safety 70, 71–83.
• Chemweno, P., Pintelon, L., Horenbeek, A., Muchiri, P. (2015) "Development of a Risk
Assessment Selection Methodology for Asset Maintenance Decision Making: An Analytic
Network Process (ANP) Approach". Production Economics. journal homepage:
www.elsevier.com/locate/ijpe.
• Clemen, R. T., & Winkler, R. L. (1999). Combining Probability Distributions from Experts in
Risk Analysis. Risk analysis, 19(2), 187-203.
• Dey, P. K. (2010). Managing Project Risk Using Combined Analytic Hierarchy Process and
Risk Map. Applied Soft Computing, 10(4), 990-1000.
• Dey, P. K., Ogunlana, S. O., & Naksuksakul, S. (2004). Risk-Based Maintenance Model for
Offshore Oil and Gas Pipelines: a Case Study. Journal of Quality in Maintenance
Engineering, 10(3), 169-183.
• F.I. Khan, R. Sadiq, M. Haddara, Risk-based Inspection and Maintenance (RBIM) Multi-
Attribute Decision Making with Aggregate Risk Analysis, Trans. IChemE Process Saf.
Environ. Prot. 82 (B6) (2004) 398– 411.
• F.I. Khan, S.A. Abbasi, A Criterion for Developing Credible Accident Scenarios for Risk
Assessment, J. Loss Prevent. Process Ind. 15 (2002) 467–475.
• F.I. Khan, S.A. Abbasi, Accident Hazard Index: a Multi Attribute Method for Process Industry
Hazard Rating, Trans. IChemE Process Saf. Environ. Prot. 75 (4) (1997) 217–224.
• F.I. Khan, S.A. Abbasi, Risk Analysis of a Typical Chemical Industry Using QRA procedure,
J. Loss Prevent. Process Ind. 14 (2001) 43–59.
• Harnly, A.J., 1998. Risk Based Prioritization of Maintenance Repair Work. Process Safety
Progress 17, 32–38.
• HSR. (2002). Offshore Hydrocarbon Release Statistics and Analysis: . Retrieved from UK:
• ISO19902. (2008). Petroleum and Natural Gas Industries - Fied Steel Offshore Structures.
In.
• J.-R. Chen, Y.-T. Yang, A Predictive Risk Index for Safety Performance in Process
Industries, J. Loss Prevent. Process Ind. 17 (2004) 233– 242.
• Khan, F.I., Haddara, M., 2003. Risk-Based Maintenance (RBM): a Quantitative Approach
for Maintenance/Inspection Scheduling and Planning. Journal of Loss Prevention in the
Process Industries 16, 561–573.
• Khan, F.I., Haddara, M., 2004. Risk-Based Maintenance of Ethylene Oxide Production
Facilities. Journal of Hazardous Materials A108, 147–159.
• Labib, A.W., O’Connor, R.F., Williams, G.B., 1998. An Effective Maintenance System Using
the Analytic Hierarchy Process. Integrated Manufacturing Systems 9, 87– 98.
• Moore, W.J., Starr, A.G., 2006. An Intelligent Maintenance System for Continuous Cost-
Based Prioritization of Maintenance Activities. Computers in Industry 57, 595–606.
• Moubray, J., 1991. Reliability-Centered Maintenance. Industrial Press Inc., New York.
• N. S. Arunraj and J. Maiti, 2010, "Risk-Based Maintenance Policy Selection Using AHP and
Goal Programming," Saf. Sci., vol. 48, pp. 238247, 2.
• NASA, 2002. Probabilistic Risk Assessment Procedures Guide for NASA Managers and
Practitioners. Office of Safety and Mission Assurance, Washington.
• P. Guymer, G.D. Kaiser, T.C. McKelvey, Probabilistic Risk Assessment in the CPI, Chem.
Eng. Prog. (1987) 37–45.
• P.K. Dey, A Risk-Based Maintenance Model for Inspection and Maintenance of Cross-
Country Petroleum Pipeline, J. Qual. Maint. Eng. 7 (1) (2001) 25–41.
• P.K. Dey, S.O. Ogunlana, S. Naksuksakul, Risk-Based Maintenance Model for Offshore Oil
and Gas Pipelines: a Case Study, J. Qual. Maint. Eng. 10 (3) (2004) 169–183.
• Saaty, T. L. (2008). Decision Making with the Analytic Hierarchy Process. International
journal of services sciences, 1(1), 83-98.
• Saltelli, A. (2002). Sensitivity Analysis for iImportance Assessment. Risk Analysis, 22(3),
579-590.
• T. Saaty L., 2006, Decision Making with Analytic Network Process: Economic, Political,
Social and Technological Applications with Benefits, Opportunities, Costs and Risks. USA:
Springer Science+Business Media, LLC.
• Triantaphyllou, E., Kovalerchuk, B., Mann Jr., L., Knapp, G.M., 1997. Determining Most
Important Criteria in Maintenance Decision Making. Journal of Quality in Maintenance
Engineering 3, 16–28.