Escolar Documentos
Profissional Documentos
Cultura Documentos
Tese de Doutorado
Tese apresentada como requisito parcial para obtenção do grau de
Doutor pelo Programa de Pós- Graduação em Engenharia Mecânica
do Departamento de Engenharia Mecânica do Centro Técnico
Científico da PUC-Rio.
Rio de Janeiro
Dezembro de 2003
II
2000 na PUC-Rio
Ficha Catalográfica
223 f. : il. ; 30 cm
CDD: 621
IV
Agradecimentos
Ao professor José Luiz de França Freire, pela orientação durante o desenvolvimento do curso
de Doutorado.
Aos professores da PUC – RIO pelo ensino e ajuda, que me serviram, para poder culminar o
presente trabalho.
Resumo
A partir de uma AIE nível I o cálculo da Vida Residual (T*) é avaliada. A T* é comparada
com uma Vida Desejada (VD), a qual é obtida da matriz de risco. Se T* é menor que a VD,
recomenda-se fazer uma AIE nível II. Se T* é maior que VD determina-se um Tempo de
Inspeção (TI) baseado na análise de confiabilidade.
Palavras-chave
Lógica Nebulosa, Análise de Risco, Modelo Muhlbauer, Dutos.
PUC-Rio - Certificação Digital Nº 9925055/CA
VII
Abstract
Ildefonso, Alvino; Freire, José Luiz de França. Application of Fuzzy Logic to the
Muhlbauer Model for Pipeline Risk Analysis. Rio de Janeiro, 2003. 223p. DSc. Thesis
Department of Mechanical Engineering, Pontifícia Universidade Católica do Rio de
Janeiro.
Muhlbauer’s method evaluates the several variables that influence in the pipeline Risk by the
attribution of quantitative values. However, being a qualitative method, these variables cannot
be informed through exact values. These variables can be treated as coming of distributions
PUC-Rio - Certificação Digital Nº 9925055/CA
random. However, to identify the distributions random can demand a lot of effort. Being like
this, instead of assuming that the evaluations of the variables have distributions random, it can
be considered that they have distributions given by fuzzy sets and numbers.
In the present work, the values numeric presents in the model Muhlbauer will be admitted as
no deterministic, admitting an uncertainty. This uncertainty depends on the engineer specialist
knowledge about the Risk. To incorporate this uncertainty in the calculation of the value of
the Risk Muhlbauer tried to work with the fuzzy sets and numbers.
In the analysis of the uncertainties by the fuzzy sets, it is necessary to define the linguistic
variables (VL), the linguistic values of input and output of VL, the membership functions,
besides the fuzzy rules. With these, a System of Logic Fuzzy (SLF) is implemented based on
Mamdani’s inference. In the case of the fuzzy numbers, they admit a more probable value and
an uncertainty. This uncertainty is evaluated by a function of normalized membership. Sum,
subtraction, multiplication and division operations are possible for the numbers fuzzy. As
result, it is possible to find not only a number that defines the Risk as also the uncertainty
(range of values) that the Risk can have. It is a function of the uncertainties of the individual
evaluations of the variables.
The present work proposes a basic model of Management of Risk (GR) and Analysis of
Structural Integrity (AIE) for pipeline with damage corrosion. For that, the results of an AIE
VIII
level one applied to the pipeline are associated with the results of Muhlbauer’s method
through a Risk Matrix.
Starting from an AIE level one, the calculation of the Residual Life (T *) is evaluated. T * is
compared with a ideal life (VD), which is obtained of the Risk Matrix. If T * is smaller than
VD, it is recommended to do an AIE level II. If T * is larger than VD is determined a Time of
Inspection based on the reliability analysis.
Keywords
Fuzzy Logic, Risk Analisys, Muhlbauer's Model, Pipeline.
PUC-Rio - Certificação Digital Nº 9925055/CA
IX
Sumário
CAPITULO 1
INTRODUÇÃO 1
CAPITULO 2
AVALIAÇÃO DO RISCO NO SISTEMA DE TUBULAÇÃO PARA TRANSMISSÃO
DE PETRÓLEO E/OU GÁS MEDIANTE O MODELO MUHLBAUER 14
CAPITULO 3
LÓGICA FUZZY NA ANÁLISE DE RISCO 62
CAPITULO 4
FUZIFICAÇÃO DO MODELO MUHLBAUER 113
CAPÍTULO 5
ESTUDOS DE CASOS 145
CAPÍTULO 6
COMENTÁRIOS, CONCLUSÕES E RECOMENDAÇÕES 172
BIBLIOGRAFIA 178
ANEXO 185
PUC-Rio - Certificação Digital Nº 9925055/CA
XIII
LISTA DE FIGURA
Figura 1.1: Fluxograma geral da pesquisa a realizar 13
Figura 2.1: Mapeamento dos resultados do Modelo de Muhlbauer 27
Figura 2.2: Matriz de Risco proposto pela API para equipamentos em plantas
eletroquímicas 28
Figura 2.3: matriz de Risco proposto pela API para sistemas de tubulações 29
Figura 2.4: Matriz de Risco proposto nesta trabalho baseado nos resultados
do modelo Muhlbauer 29
Figura 2.5: Níveis de Risco – primeira proposta. 30
Figura 2.6: Localização das avaliações A,A1 e A2 na matriz de Risco 31
Figura 2.7: Matriz de Risco –segundo proposta 32
Figura 2.8: Fluxograma proposto para a planilha de base de dados 34
Figura 2.9: Resumo das Avaliações de todos os trechos de dutovias. 35
PUC-Rio - Certificação Digital Nº 9925055/CA
Figura 3.24: Máxima variação gerada pelas dez opções da tabela 3.3 100
Figura 3.25: Erros quadráticos gerado pelos SLF para diferentes quantidades
de conjuntos fuzzy 102
Figura 3.26: Variação máxima gerada pelos SLF para diferentes quantidades
de conjuntos fuzzy 103
Figura 3.27: Resultados dos SLF quando as variáveis de entradas são
expressas mediante conjuntos CRIPS 105
Figura 3.28: Resultados dos SLF quando as variáveis de entradas são
expressas mediante conjuntos fuzzy 105
Figura 3.29: Resultado gerado pelo aplicativo para o SLF escolhido 107
Figura 3.30: Representação gráfica de um número fuzzy 109
Figura 3.31: Operações com números fuzzy 111
Figura 3.32: Números fuzzy tipo trapezoidal 111
PUC-Rio - Certificação Digital Nº 9925055/CA
LISTA DE TABELAS
LISTA DE SÍMBOLOS
~
b : numero fuzzy
CTE : corrosão de tubulação enterrada
H : relação entre a pressão de teste hidrostático com a MAOP
AC : corrente alterna
CA : corrosão atmosférica
ECM : efeito da corrosão mecânica
NFPA : Associação Americana de proteção do Fogo
IAP : integrity assessment profiles
UM : unidade monetária
Pcf : Função densidade acumulada de probabilidade
Pdf : Função densidade de probabilidade
AIE : Análise de Integridade Estrutural
PUC-Rio - Certificação Digital Nº 9925055/CA
1
INTRODUÇÃO
longas distâncias, como por exemplo, o duto de 3800 km (40 polegadas de diâmetro)
que está sendo construído para transportar gás do oeste ao leste da China. Outro
exemplo é o gasoduto Brasil/Bolívia, que transporta gás de Santa Cruz de la Sierra
(Bolívia) a São Paulo (Brasil). Este gasoduto que tem comprimento de 2.000 km e
possui um diâmetro de 32 polegadas. O gasoduto Rio/Juiz de Fora/Belo Horizonte
que permite a chegada do gás natural produzido na bacia de Campos, ao estado de
Minas Gerais e tem um diâmetro de 18 polegadas.
Geralmente o Risco pode ser classificado como puro ou especulativo [1]. No primeiro
só existe a possibilidade de perda, enquanto no segundo, a de ganhar ou perder. Por
exemplo, acidentes em dutos expõem a população ao Risco puro, enquanto, políticas
econômicas a expõem ao Risco especulativo. O Risco pode ser expresso também,
como individual ou social. No primeiro, afeta somente a uma pessoa, por exemplo,
acidente de automóvel, já no segundo afeta a um grupo de pessoas, por exemplo, um
terremoto no Japão. Casos de acidentes em sistemas de tubulações que atravessam
cidades povoadas, fazendas particulares, rodovias, etc., incluem os Riscos individuais
PUC-Rio - Certificação Digital Nº 9925055/CA
Para evitar acidentes em dutos, diferentes mecanismos e causas de danos devem ser
analisados antes de se decidir que ações devem ser realizadas com o objetivo de
diminuir o Risco de ocorrerem estes nos duto. Muhlbauer [2] identificou quatro tipos
de mecanismos e causas de danos que podem levar um duto a perder sua
funcionalidade: dano provocado por terceiros, corrosão, projeto e por operações
incorretas.
1.3
AVALIAÇÃO QUANTITATIVA E QUALITATIVA DO RISCO
1.4
TEORIA DE LÓGICA FUZZY NA AVALIAÇÃO DE RISCO QUALITATIVO
O uso da teoria da lógica fuzzy tem dado bons resultados na modelagem de Risco
qualitativo [8, 9, 10, 11, 12, 13]. Esta teoria manipula a incerteza e representa
aspectos qualitativos por meios de palavras ou sentenças em uma linguagem natural,
como por exemplo, probabilidade de falha alta, conseqüência baixa, Risco médio,
corrosão baixa, etc.
4
A lógica fuzzy pode ser aplicada também na avaliação do nível de Risco qualitativo
baseado em certos princípios de classificação. Nos métodos convencionais de
classificação, os especialistas introduzem subclasses objetivando fazer uma
classificação mais detalhada. No entanto, as aproximações tradicionais não podem
PUC-Rio - Certificação Digital Nº 9925055/CA
manipular valores na transição de uma classe a outra classe, a qual, esta transição por
natureza deveria ser gradual, enquanto que a lógica fuzzy realiza esta transição de
modo fácil, efetivo e elegante [9].
1.5
NECESSIDADE DA COMPREENSÃO INTEGRAL DO PROBLEMA DE
AVALIAÇÃO DO RISCO EM DUTOS PARA TRANSMISSÃO DE
PETRÓLEO, GÁS OU DERIVADOS
A percepção do Risco nas operações dos sistemas de dutos é afetada por fatores
qualitativos (nível de população, tipo do meio ambiente, sistemas de segurança, etc.)
e quantitativos (tais como, pressão de operação, taxa de corrosão, etc.). Para avaliar
os fatores qualitativos não existem procedimentos objetivos, razão pela qual muitas
vezes esta análise é eliminada. Neste caso, a avaliação do Risco que considere
somente os fatores quantitativos é incompleta por que não representa o Risco real. Os
fatores qualitativos são também importantes e eles devem ser considerados na análise
do Risco. Neste cenário, as técnicas Bayesiana, lógica fuzzy e Dempster – Shafer
[14] podem ser utilizadas para avaliar a parte subjetiva do Risco.
5
Na teoria Bayesiana, a avaliação dos fatores qualitativos é realizada através de duas
avaliações, uma subjetiva e outra objetiva. A primeira, denominada de APRIORI, é
obtida pela avaliação de um especialista, enquanto que a segunda, é avaliada de uma
base de dados. Na teoria de lógica fuzzy os fatores qualitativos podem ser
representados por duas maneiras. A primeira através de termos lingüísticos, como por
exemplo, alto, baixo, médio, etc., e a segunda, por meio dos números fuzzy que são
uma generalização dos números CRISP1. A teoria de DEMPSTER – SHAFER [14],
também conhecida como a teoria da evidência, é uma generalização da teoria de
probabilidade. Esta teoria representa a probabilidade de um evento, P(H), mediante o
intervalo L(H) – U(H), tal que L(H)<P(H)< U(H) e L(H), U(H) [0-1]. Apesar de
saber o valor exato de P(H), os valores L(H) e U(H) representam o valor mínimo e
PUC-Rio - Certificação Digital Nº 9925055/CA
1.6
IMPORTÂNCIA DA AVALIAÇÃO DO RISCO NA ATIVIDADE DUTOVIARIA
1
Um número CRISP é representado mediante a forma determinística desde que seu valor seja
conhecido em forma exata, não existindo dúvida de seu valor.
6
é baseada somente nos resultados do Risco [56]. Entretanto, em outros, pode ser
realizada com base nos resultados de outras avaliações, por exemplo, da vida residual
[64], grau de dano no duto [54], de uma análise de custo beneficio [55] ou da pressão
de admissível [59], etc. Contudo, a programação das ações preventivas nos sistemas
de tubulações sempre requer do conhecimento do Risco, com tal objetivo, diversas
técnicas podem ser utilizadas para determinar o valor real do Risco, umas mais
simples que outras. Por exemplo, Abbassi [31] faz uma análise de vantagens e
desvantagens das seguintes técnicas na avaliação do Risco: Sistema de posição,
Sistema de Índices, Árvore de falha, Modos de falhas é análise de efeito (FMEA),
Estudo de operacionalidade e perigo (HAZOP), Revista de Lista - CHECK –LIST.
Com base nestas técnicas, diversos softwares comerciais encontram-se disponíveis,
PUC-Rio - Certificação Digital Nº 9925055/CA
1.7
ESTADO DA ARTE
Claudio de Brito Garcia [12] apresenta conceitos básicos da teoria da lógica fuzzy e a
metodologia de análise preliminar de perigos. Estes dois conceitos foram utilizados
para gerar um modelo usado para auxiliar as equipes de análise a classificar os
7
cenários de acidentes. As aplicações neste trabalho são realizadas no cenário das
indústrias químicas e petroquímicas. Mario Pezzi Filho [15] comenta que os
procedimentos das plantas petroquímicas têm limitações quando se tenta aplicar nos
sistemas de tubulação. Pezzi menciona que a norma API 581 (dirigidos a
equipamentos de plantas petroquímicas) não aborda alguns modos de falha que
ocorrem em dutos. Isto ocorre devido às diferenças fundamentais entre o modo de
instalação e operação de um duto com respeito a um equipamento utilizado em
plantas petroquímicas. Outra norma que avaliar o Risco de sistemas de tubulação é a
API STD 1160 [3]. Nela recomenda-se um procedimento que as operadoras dos
sistemas de tubulação deveriam seguir para reduzir o número de acidentes e os efeitos
por eles produzidos em áreas denominadas de alta conseqüência. Esta norma
PUC-Rio - Certificação Digital Nº 9925055/CA
No entanto, como mencionado em [17] “muitas variáveis usadas para avaliar o Risco
são difíceis de serem quantificadas, por conseguinte, estas são de natureza vaga e para
assegurar a representação deste cenário é necessário que a natureza vaga da variável
seja refletido no modelo. Por exemplo, a satisfação dos empregados dentro de uma
organização pode ser levada em consideração na avaliação do um possível Risco,
entretanto, o grau de satisfação de um empregado é difícil de ser quantificado, em
outras palavras, é um termo incerto”.
2- Mostrar os conceitos da teoria da lógica fuzzy que podem ser direcionados para a
solução de problemas de Risco em sistemas de tubulação que transportam petróleo,
gás ou derivados. Estes conceitos serão apresentados objetivando a compreensão da
inferência Mamdani e dos números fuzzy. Escolheram-se estes, por que permitem o
uso ilimitado de variáveis na avaliação do Risco, além de serem metodologias menos
restritas se compradas com as outras possibilidades que a lógica fuzzy oferece.
3- Identificar sistema de lógica fuzzy (SLF) mediante a avaliação dos diferentes tipos
de agregação, desfuzificação, quantidades de conjuntos fuzzy e de geração de regras.
Isto por que geralmente o tipo de agregação, desfuzificação, quantidades de conjuntos
fuzzy e de geração de regras de um SFL variam de problema a problema. Uma boa
escolha destas, influencia grandemente no desempenho do SLF.
Dentro das principais pontos a identificar em um SLF estão:
através de valores exatos. Estas variáveis podem ser tratadas como provenientes de
distribuições randômicas. Entretanto, identificar as distribuições randômicas pode
exigir muito esforço e investimento econômico. Sendo assim, faz-se necessário
desenvolver métodos subjetivos que na sua análise levem em consideração as
incertezas das variáveis, sem que estes métodos estejam em desvantagens respeito aos
métodos qualitativos existentes.
A geração dos modelos qualitativos para avaliar o Risco baseado na teoria da lógica
fuzzy e do método Muhlbauer encontra-se no capítulo quatro. Nele, três modelos são
explicados, os dois primeiros gerados segundo a inferência Mamdani e o terceiro nos
números fuzzy.
seguida de incêndio, produzida pela ruptura de uma tubulação, matou mais de 500
pessoas produzindo ainda milhões de dólares em perdas econômicas [25].
Acidentes deste tipo e outros podem ser encontrados nas diversas fontes de
informação [6,26,27,28]. Contudo, a taxa de acidentes em dutovias ainda é baixa se
comparada com outras formas de transporte [29]. Entretanto, alguns acidentes
ganham grande notoriedade, principalmente quando estes provocam perda de vidas
humanas ou quando alteram o equilíbrio ecológico do meio ambiente [28].
Nos últimos anos, muita atenção tem sido dada à prevenção de tais acidentes. Por
isso, têm-se realizado diversos estudos com a finalidade de formular critérios para
prevenir o Risco de ocorrer tais acidentes [3,30]. Por exemplo, a API publicou a
norma API STD 1160, Managing System Integrity for Hazardous Liquid Pipelines
[28]. Pezzi em sua dissertação [15] comenta que “embora esta norma compile as
melhores práticas para a implementação de um programa de gerenciamento da
integridade de dutos, levando em conta o conceito de Risco, ela se apresenta como de
caráter geral, indicando apenas os vários aspectos a serem considerados durante a sua
elaboração e implantação, sem conter uma metodologia definida”.
15
Assim, a avaliação da integridade e do Risco dos dutos são tarefas muito complexas,
devido à existência de diversos cenários na qual os dutos podem falhar. A falha de
um duto pode ocasionar diferentes conseqüências, as quais dependerá do lugar de
onde ocorreu a falha. Por exemplo, se em um duto que transporta petróleo ocorrer
uma falha perto de um rio, as conseqüências mais severas serão as ambientais. No
entanto, se a falha de um duto que transporta gás ocorre perto de uma cidade, as
conseqüências sociais e econômicas serão de maior relevância. Desse modo, os
estudo do Risco não só devem analisar as conseqüências geradas pelas interrupções
do transporte do petróleo e pela necessidade de reparo da integridade da tubulação
[31,32], mas também, seus aspectos ambientais [33,34], econômicos [35], sociais [8].
Entretanto, a AIE de um duto sempre deve ser avaliada, independente do lugar por
PUC-Rio - Certificação Digital Nº 9925055/CA
Com tal objetivo a API publicou a norma 581 [30] objetivando avaliar equipamentos
estáticos em plantas petroquímicas. Nela, a avaliação do Risco é realizada segundo a
forma qualitativa ou quantitativa. A avaliação da AIE é realizada mediante módulos
técnicos definidos para cada tipo de dano. No entanto, esta norma não pode ser
estendida aos sistemas de tubulações sem antes realizar as modificações necessárias,
por exemplo, a consideração dos danos por terceiros. Pezzi [15] fez uma tentativa de
aplicar a API 581 aos sistemas de tubulação e conclui que a limitação do API 581
para a indústria de tubulações esta na falta de critérios para abordar alguns modos de
falha que ocorrem em dutos. Esta limitação decorre das diferenças fundamentais entre
o modo de instalação e operação de um duto com respeito a um equipamento
utilizado em plantas petroquímicas.
PUC-Rio - Certificação Digital Nº 9925055/CA
A seguir, o modelo proposto por W. Kent Muhlbauer será explicado de uma forma
mais detalhada e depois se explicará as formas de controlar o Risco com base nos
resultados do modelo Muhlbauer. Em seguinte, se mencionará quais os métodos
existentes para realizar uma AIE em dutos, para logo explicar com mais detalhe o
PUC-Rio - Certificação Digital Nº 9925055/CA
2.1
MODELO DE MUHLBAUER
soma de índices
Risco = (2.1)
fator impato de vazamento
Da expressão (2.1), pode-se constatar que o Risco varia desde 0 até 2000. Um
resultado perto do zero, representa um Risco maior e um resultado ao redor de 2000
representa um Risco menor.
(2.2)
índice de dano por projeto +
índice de dano por operações incorretas
Idade do sistema
Fluxo de corrente
Interferência de AC
Produto da corrosividade
Corrosividade do solo
MAOP
corrosão atmosférica
Qualidade do revestimento
Aplicação do revestimento
Inspeção do revestimento
Correção de defeitos do revestimento
Localização da tubulação
Tipo de atmosfera
corrosão interna
Produto da corrosividade
Proteção interna
Tabela 2.1: Variáveis do índice de corrosão
Para o cálculo do FIV da expressão (2.1), as variáveis influentes estão na tabela 2.3:
cada uma delas, um valor numérico é dado (no anexo, a tabela A9 apresenta as
alternativas e as pontuações de todas as variáveis do FIV). Com a avaliação destas
variáveis, o FIV é calculado pela expressão seguinte:
FIV =
(Inflamabilidade + Re atividade + Toxicidade + Perigo crônico ) (2.3)
Quantidade de Produto Vazado
Nível de Populaçao
Pior caso: O trecho crítico do duto representará o Risco do sistema de tubulação. Isto
significa que a falha em um ponto crítico é suficiente para todo o duto falhar. Sendo
assim, torna-se importante saber a localização deste ponto crítico. Neste cenário,
recomenda-se subdividir o duto em trechos, tal que, cada trecho tenha características
similares, objetivando evitar que um só ponto no duto governe o Risco do duto
inteiro.
Isto por que no método de Muhlbauer não estão definidos os níveis de Risco, tal
como, alto, baixo, médio, etc. Por exemplo, suponha um duto que tenha um resultado
de Risco igual a 5. Deste resultado pode-se afirmar que o Risco é alto se comparado
com o valor de 2000, porque 5 está próximo do valor 0 que representa um Risco alto.
No entanto, para um resultado de Risco igual a 100, não se pode afirmar o mesmo, já
que no método de Muhlbauer não estão definidos os valores pertencentes ao nível de
Risco alto. Por exemplo, se se considera que os valores compreendidos entre 0 e 400
sejam Risco alto, então um resultado de Risco igual a 100 pertencerá ao nível de
Risco alto.
Subjetivo: A expressão que avalia o Risco (expressão 2.1) é uma expressão subjetiva
obtida com base na experiência de W. Kent Muhlbauer. Os valores numéricos dados a
PUC-Rio - Certificação Digital Nº 9925055/CA
2.2
CONTROLE DO RISCO ATRAVÉS DO MODELO DO MUHLBAUER
- Mudar a freqüência de vigilância nos dutos de uma vez por mês a três vezes por
semana aumenta oito pontos no índice de dano por terceiros.
- Injetar inibidor como forma de proteção interna em um duto, adiciona quatro pontos
no índice de dano por corrosão.
- Mudar a pressão de teste hidrostático de 125 % para 140% do MAOP (Máxima
Pressão Permitida na Operação) acrescenta dez pontos no índice de dano por projeto.
- Capacitar aos operadores da tubulação mediante cursos de treinamento e elaborar
procedimentos de manutenção aumenta vinte pontos no índice de dano por operações
incorretas.
Em um duto, com avaliações para soma de índices igual a X e para a FIV igual a Y,
é suficiente a realização das cinco tarefas, mencionadas anteriormente, para
garantir que o duto opere com Risco baixo?
A resposta a esta pergunta não pode ser obtida através do método Muhlbauer de uma
forma imediata, devido este método não especificar os níveis de Risco para os dutos,
isto é, no método Muhlbauer desconhece-se se um resultado de Risco, p. ex.: igual a
200, pertence ao nível de Risco alto, médio, baixo, etc. Entretanto, pode-se afirmar
que o risco decresceu.
No trabalho [30] a API apresenta uma matriz de Risco que estabelece níveis de Risco
baseados nos resultados da categoria da probabilidade de falha e da conseqüência de
PUC-Rio - Certificação Digital Nº 9925055/CA
falha. Nesta matriz, na qual os resultados necessários podem ser obtidos mediante a
metodologia qualitativa ou semiquantitativa, os níveis de Risco definidos são: alto,
médio alto, médio e baixo (ver figura 2.2).
Outra matriz de Risco foi proposta pela Petrobras [52] com base nos resultados de
probabilidade e conseqüência da falha nos dutos. Esta matriz determina três níveis de
Risco: alto, médio e baixo. No entanto, segundo a metodologia de avaliação da
probabilidade e conseqüência da falha, os resultados de Risco para a maioria dos
PUC-Rio - Certificação Digital Nº 9925055/CA
dutos resultam iguais ao nível de Risco alto, isto é, a matriz não consegue realizar
uma classificação de priorizarão entre os dutos. É por isto, que na atualidade a
Petrobras realiza uma revisão da sua proposta para a matriz de Risco, sendo assim,
esta matriz não será analisada nesta tese.
Assim, levando em consideração estas duas matrizes (figura 2.2 e 2.3) , propõe-se a
seguir uma matriz de Risco baseada nos resultados da soma de índices (probabilidade
de falha) e o FIV (conseqüência de falha), obtidas do método Muhlbauer, ver figura
2.4.
Nesta matriz divide-se a soma de índice e o FIV em cinco níveis: baixo, médio baixo,
médio, médio alto e alto. Diferentes classificações para a soma de índices e do FIV
podem ser realizadas de acordo a experiência do analista de Risco em dutos.
Uma vez criada a matriz de Risco (figura 2.4) procede-se na determinação dos níveis
de Risco. Neste caso, propõem-se cinco níveis de Risco: alto, médio alto, médio,
médio baixo e baixo, tal como se apresenta na figura 2.5.
PUC-Rio - Certificação Digital Nº 9925055/CA
Com esta matriz (figura 2.5) é possível responder a pergunta formulada anteriormente
(pagina 28):
A realização das cinco tarefas é suficiente para garantir ao duto um Risco baixo?
Para responder a esta pergunta, suponha um caso de um duto com resultados para a
soma de índices igual a 200 e para o FIV igual a 0.5. Então, o duto tem um Risco
igual a 400. Com o aumento de 42 pontos na soma de índices, produto da realização
das cinco tarefas, o novo valor do Risco é 484. Na matriz de Risco o duto que
inicialmente estava no ponto A (Risco médio alto) agora foi para o ponto A1 (Risco
médio baixo), tal como o sinaliza a linha grossa de cor vermelha na figura 2.6.
31
Da figura 2.6, observa-se que a realização das cinco tarefas, faz o ponto A percorrer
verticalmente até o ponto A1, sendo assim, a realização de qualquer tarefa não
PUC-Rio - Certificação Digital Nº 9925055/CA
conseguirá que o duto obtenha um Risco baixo, já que para chegar a este nível
precisa-se que ponto A percorra um caminho horizontal, além do vertical. Para
conseguir o deslocamento vertical, o valor do FIV deve ser modificado, por exemplo,
se o FIV fosse mudado de 0.5 para 0.25, além de realizar as cinco tarefas, o ponto A
percorrerá até o ponto A2 (figura 2.6, linha grossa de cor cinza), com isto, segundo a
matriz de Risco, se conseguiria que o duto tenha um Risco baixo.
Na figura 2.5, a linha grossa de cor negra que representa todos os valores de Risco
igual a 400, cruza três níveis de Risco: médio baixo, médio e médio alto, o que
significa, que um mesmo valor de Risco igual a 400 pode pertencer a mais de um
nível de Risco. Isto acontece devido a forma como foram estabelecidos os níveis de
Risco. Portanto, na matriz de Risco da figura 2.5, a definição do nível de Risco é
definida mais claramente pelos resultados de soma de índice e do FIV, e não somente
pelo resultado do Risco.
A situação na qual um valor do Risco represente vários níveis de Risco pode ser
evitada se os níveis de Risco são estabelecidos de forma diferente, ver figura 2.7.
32
Isto demonstra, que a forma como são estabelecidos os níveis de Risco na matriz de
Risco influenciam no resultado final. Neste cenário, exige-se que o analista de Risco
tenha um alto conhecimento no problema do Risco em duto para ter confiança que os
resultados dados pela matriz de Risco representem o Risco real.
A presente tese propõe duas matrizes de Risco (figuras 2.5 e 2.7), na qual a
probabilidade e conseqüência da falha são avaliadas segundo o método de
Muhlbauer. Destas duas matrizes, na segunda não existe o problema de que um
mesmo resultado para o Risco apresentar diferentes níveis de Risco, como ocorre na
primeira matriz de Risco. Deve-se considerar que independentemente de optar por
qualquer matriz de Risco, a maioria dos dutos que transportam petróleo, gás ou
derivados apresentam resultados de Risco avaliados segundo o método de Muhlbauer
na faixa 0–400. Isto significa, que é pouco provável obter um resultado de Risco igual
PUC-Rio - Certificação Digital Nº 9925055/CA
a 2000 para um duto transportando gás. Assim, nas duas matrizes recomenda-se fazer
uma classificação de níveis de Risco mais precisa na faixa de 0-400, como por
exemplo, dividir os valores da soma de índices e do FIV pertencentes a faixa de 0-80
e 1-88 pontos respectivamente em novas classes, e com base nestas determinar os
novos níveis de Risco.
2.3
UMA PLANILHA PARA O MODELO MUHLBAUER
Esta planilha, gerada no software EXCEL foi projetada para facilitar o gerenciamento
de uma forma amigável das informações necessárias para avaliação do Risco via o
modelo de Muhlbauer. Para isto foi proposto o seguinte fluxograma, tal como se pode
ver na figura 2.8.
34
PUC-Rio - Certificação Digital Nº 9925055/CA
A figura 2.10 mostra a realização da priorização dos trechos de tubulações. Isto pode
ser obtido tomando como referência qualquer dos oito ítens mostrados em cada uma
de suas colunas. Os resultados apresentados em cada fila (figura 2.10) representa a
36
Figura 2.11: Dados necessários para avaliar o risco segundo a metodologia de Muhlbauer
37
PUC-Rio - Certificação Digital Nº 9925055/CA
para o FIV. Dentro de cada uma das partes, pode-se encontrar as variáveis associadas
a cada um dos quatro índices e do FIV (ver primeira coluna das figuras 2.11 e 2.12).
As pontuações que o analista de Risco sugere para cada uma destas variáveis
encontram-se na segunda coluna. Na terceira e quarta coluna encontram-se as
pontuações das avaliações do analista de Risco, e na última coluna encontram-se os
resultados gerais de cada uma das cinco partes.
Nas figuras 2.13 e 2.14 apresentam-se os resultados gráficos de níveis de risco para o
trecho 1 (A-G) apresentado na figura 2.10
PUC-Rio - Certificação Digital Nº 9925055/CA
A figura 2.14 apresenta os resultados para o duto A-G. Nela pode-se observar que o
índice de corrosão utilizado (barra de cor verde na figura 2.14) aproxima-se muito do
índice total que poderia ser utilizado (barra de cor marrom na figura 2.14). Isto
significa que no duto A-G as prevenções com respeito ao dano por corrosão estão
dentro do que poderia ser considerado como ideal.
2.4
ANÁLISE DE CUSTO ATRAVÉS DA METODOLOGIA MUHLBAUER
modificações, o que não sucede com as variáveis atributivas. Com isto, a avaliação do
custo pode ser realizada de forma paralela a avaliação de pontuações das 41 variáveis.
Para isso, é necessário que em cada uma delas seja associado o custo necessário para
executá-las. Na tabela 2.5 apresentam-se os custo de cada alternativa das variáveis do
índice de dano por corrosão de duto enterrado. Estes custos não são reais e somente
foram dados com fins demonstrativos. Por exemplo, a instalação de postes de prova
entre uma e duas milhas, originará um aumento de um ponto no índice de dano por
corrosão de duto enterrado através de um investimento de duas unidades monetárias,
tal como o indica a tabela 2.5.
De forma similar à anterior, pode-se realizar a avaliação nas 41 variáveis preventivas
objetivando calcular o benefício e o investimento total realizado. No caso do modelo
de Muhlbauer, maior benefício significa maior pontuação na soma de índices. Assim,
PUC-Rio - Certificação Digital Nº 9925055/CA
com os resultados de benefício e custo, pode-se realizar uma análise para saber se o
investimento total é realizado nas tarefas que trariam maior benefício.
Para facilitar esta análise, somente se considerará as variáveis do índice de dano por
corrosão de duto enterrado, tal como, apresentado na tabela 2.5, que indicam as
tarefas, alternativas, pontuações e custos. Com as combinações entre todas as tarefas
das nove variáveis, surgem 370000 combinações possíveis, isto significa, que para
saber se um investimento C é bem realizado em um duto para manter um risco R,
precisa-se comparar com as 370000 possibilidades. Desta comparação deve-se
selecionar, se existe, as combinações que tenham como mínimo um benefício maior
ou igual a R, com um investimento igual ou menor a C. Para saber a combinação que
tem maior benefício com um mínimo investimento, com as combinações selecionadas
faz-se uma analise de beneficio/custo (B/C). Assim, aquela combinação que tiver o
maior valor B/C será a combinação recomendada a realizar no duto.
41
A qualidade do 1 Bom 3 5
programa de 2 Aceitável 2 3
correção de 3 Ruim 1 2
defeitos 4 Incorreto 0 1
1 Todos os metais enterrados na vizinhança da tubulação são 3 5
monitorados
Distância entre
2 Testes dirigidos são especificados numa distância de 1 a 2 milhas e 1 2
postes de
todas as interferências externas são monitoradas por testes dirigidos
provas
3 Testes dirigidos são especificados para mais de 2 milhas, mas não 0 0
todas as interferências externas são monitoradas
Freqüência de 1 Mais de 2 vezes ao ano 3 7
leitura dos 2 Duas vezes ao ano 2 3
testes 3 Anualmente 1 2
1 Estudo cada ano 8 16
2 Estudo cada 2 anos 7 13
3 Estudo cada 3 anos 6 11
Estudo de casos 4 Estudo cada 4 anos 5 9
especiais (anos) 5 Estudo cada 5 anos 4 8
6 Estudo cada 6 anos 3 6
7 Estudo cada 7 anos 2 4
8 Estudo cada 8 anos 1 1
9 Estudo realizado cada mais de 8 anos 0 0
1 Inspeção realizada a cada ano 8 8
2 Inspeção realizada a cada 2 anos 7 7
3 Inspeção realizada a cada 3 anos 6 6
Ferramentas de 4 Inspeção realizada a cada 4 anos 5 5
inspeção 5 Inspeção realizada a cada 5 anos 4 4
interna 6 Inspeção realizada a cada 6 anos 3 3
7 Inspeção realizada a cada 7 anos 2 2
8 Inspeção realizada a cada 8 anos 1 1
9 Inspeção realizada a cada mais de 8 anos 0 0
Tabela 2.5: Custos e pontuações das alternativas das variáveis preventivas do Índice de dano por corrosão de duto
enterrado
42
O acesso a estas janelas é feito através da barra de ferramentas e que se pode observar
na figura 2.5. Na figura 2.6 apresenta-se o arcabouço das sete janelas.
43
Esta figura requer o preenchimento das pontuações das cinco variáveis do tipo
atributos, cujo resultado final está apresentado na forma numérica e de um gráfico de
barras. Na parte superior da figura 2.8 encontra-se uma barra de ferramenta que serve
para modificar, excluir ou aumentar as avaliações. Na parte inferior, apresenta-se uma
planilha similar ao EXCEL, na qual, podem-se encontrar as informações de todos os
trechos já avaliados. A segunda sub-opção serve para inserir as pontuações e os
custos das variáveis preventivas. No lado direito desta janela apresentam-se os
resultados na forma de gráfico de barras (ver figura 2.9).
45
PUC-Rio - Certificação Digital Nº 9925055/CA
anteriormente (figuras 2.7, 2.8, 2.9 e 2.10). A visualização desta janela esta
apresentada na figura 2.11.
PUC-Rio - Certificação Digital Nº 9925055/CA
existentes entre as tarefas das oito variáveis do índice de corrosão de duto enterrado,
tal que todas elas possuam uma pontuação de prevenção maior ou igual a prevenção
desejada e um custo menor ou igual ao custo desejado. Outro resultado desta janela
indica a combinação que tem o maior valor de beneficio com o mínimo custo. Na
única caixa em branco pode-se inserir o número da combinação objetivando conhecer
as tarefas a realizar nas oito variáveis e seus custo estabelecidos. Finalizando, na
figura 2.12 apresenta-se a visualização do arquivo ajuda. No capítulo cinco se
analisará com maior detalhe os valores quantitativos em um estudo de caso.
PUC-Rio - Certificação Digital Nº 9925055/CA
2.5
ANÁLISE DE INTEGRIDADE ESTRUTURAL EM DUTOS
Destas análises, pode-se observar que o único dano que tem um processo natural ou
proveniente da operação contínua da tubulação é o dano por corrosão. Já os outros
danos por terceiros, operações incorretas ou por perigos naturais são tipos de danos
que podem ocorrer aleatoriamente sendo muito difícil sua previsão. No entanto, o
dano por corrosão também é difícil de ser previsto, devido à falta de conhecimento
em saber como as variáveis se associam para gerar a corrosão. Mas, isto não impediu
a comunidade científica de propor métodos aproximados no objetivo de quantificar e
prever o dano por corrosão. Já para outros tipo de dano, a principal ferramenta para
evitá-los são as ações preventivas.
Os diversos métodos existentes para avaliar o dano por corrosão podem ser
classificados em três grupos [51]:
PUC-Rio - Certificação Digital Nº 9925055/CA
ASME B31G
ASME B31G MODIFICADO
RSTRENG 0.85dL
Shell-92
DNV RP-F101
Advantica LPC Nível 1, e...
PCORRC
Estes métodos avaliam um defeito com perfil simples de corrosão no duto através de
fórmulas simples, nos quais requerem um mínimo de informação, por exemplo,
propriedades do material, longitude e comprimento do defeito, profundidade do
defeito, etc.
50
Os métodos do segundo grupo são aplicados a defeitos com perfil complexo, nos
quais, uma aproximação mediante o perfil simples não seria correto. Dois métodos
podem ser usados neste caso: RSTRENG de área efetiva e Advantica LPC Nivel 2.
Estes métodos requerem como informação as propriedades do material,
espacejamentos entre os defeitos, perfis dos defeitos, etc. Os procedimentos seguidos
nestes métodos são geralmente complexos requerendo na maioria dos casos ajuda
computacional.
2.6
GERENCIAMENTO DOS RESULTADOS DE RISCO E AIE NOS DUTOS
outras técnicas (RCM, TPM e TQM) são recomendadas geralmente para a indústria
de transformação.
Estes dois trabalhos objetivam encontrar o tempo ideal de inspeção, tal que o duto
apresente um baixo Risco de operação. Assim, trabalhos que possibilitem estudos
similares deveriam ser incentivados, pois trariam diversos benefícios, por exemplo,
segurança para a sociedade, prevenção de acidentes ecológicos e principalmente
evitaria mortes e ferimentos de pessoas.
PUC-Rio - Certificação Digital Nº 9925055/CA
Neste cenário, Freire et al. [57] desenvolveu um modelo básico para o gerenciamento
do Risco e da AIE em dutos, baseado em um procedimento preliminar de manuseio
de dados disponíveis sobre a falha por corrosão externa, que associa conceitos de
gerenciamento de Risco, AIE em dutos e lógica fuzzy. Este modelo começa com a
análise dos dados do trecho do duto (tempo de inspeção, histórico da corrosão, tensão
de operação, idade do duto e meio ambiente) compatível com uma AIE nível I. Da
análise dos dados obtém-se a Vida Calculada (VC) a qual será comparada com a
Vida Desejada (VD) que é estabelecida para um determinado Risco. Nos casos em
que a VC for menor do que VD significa que o duto não pode continuar operando no
Risco associado a VD, e quando VC for maior a VD, expressa que o duto pode seguir
operando. Alberto Ildefonso [58], na sua tese de mestrado, introduz o conceito de
probabilidade de falha no modelo apresentado por Freire et al. [57]. Neste trabalho,
aplicado a equipamentos de grande porte, a probabilidade de falha (pfc) do
equipamento é comparada com a probabilidade de falha desejada, pfd, a qual é
definida para um determinado Risco. Com isto, se a pfc é menor que pfd, significa
que o equipamento pode continuar a operar. Caso contrário, recomenda-se realizar
uma avaliação de AIE nível II no equipamento ou modificar o Risco na qual o
equipamento esta funcionando.
53
A diferença nestes dois trabalhos, [57] e [58], é que no primeiro, toma-se a decisão de
seguir operando o equipamento com base nos resultados pontuais de VC e VD, já no
segundo, a decisão é feita com base nos resultados probabilisticos.
2.6.1
CÁLCULO DA VIDA RESIDUAL (T*) DE UM DUTO CORROÍDO
LONGITUDINALMENTE
A equação básica proposta por Kiefner [59], a qual é amplamente usada para preceder
a pressão de falha na tubulação que contém um defeito longitudinal finito é:
A
1−
Sp = (Sy + 68.95) × Ao (2.4)
A
1 −
Ao × M
na qual:
Sp : tensão de ruptura que levaria o duto a falhar, MPa.
Sy : limite de escoamento do duto, MPa.
A : área do defeito do duto, avaliada como o produto de Lxd, ver figura 2.14.
L : longitude do defeito, mm.
d : profundidade do defeito, mm.
54
L2 L2 L2
≤ 50 , ou M = 0,032 × + 3.3 se > 50
D× t D× t D× t
PUC-Rio - Certificação Digital Nº 9925055/CA
d
1−
Sp = (Sy + 68.95) × t (2.5)
d
1 −
t×M
Supondo que a taxa de corrosão radial (Rd) e longitudinal (RL) como constante
através do tempo, pode-se calcular o valor de d e L para qualquer tempo T:
d = do + R d × (T − To)
(2.6)
L = Lo + R L × (T − To)
(do + R d × (T − To))
1 −
Sp = (Sy + 68.95) × t (2.7)
(do + R d × (T − To))
1 −
t×M
P×D
Sp = (2.8)
2× t
(do + R d × (T − To))
1−
2×t
P = (Sy + 68.95) × t (2.9)
D (do + R d × (T − To))
1−
t×M
A máxima pressão admissível (Pa) de um duto corroído terá que ser igual a P
dividido por um coeficiente de segurança (CS):
(do + Rd × (T − To))
1−
2×t
= (Sy + 68.95) ×
P t
Pa = (2.10)
CS D × CS (do + Rd × (T − To))
1−
t×M
do Po × D × do × CS
2 × t × (Sy + 68.95) × 1 − + − Po × D × CS
t t t×M
T * = To + ×( ) (2.1)
Po × D × CS
2 × t × (Sy + 68.95) −
Rd
M
A expressão anterior serve para calcular o valor médio de T* em função dos valores
médios de To, t, do, Rd, D, CS, Po e Sy. A existência de incerteza sobre cada uma
destas avaliações influenciará na incerteza de T*, a qual pode ser determinado através
do método da incerteza do erro quadrático:
2
∂T * ∂T * ∂T *
2 2
σ T* = × σ To + × σ t + ... + × σ Sy (2.12)
∂To ∂t ∂Sy
PUC-Rio - Certificação Digital Nº 9925055/CA
na qual, σT*, σTo, σt, σdo, σD, σT*, σCS, σPo e σSy representam as incertezas das
variáveis T*, To, t, do, Rd, D, CS, Po e Sy. Considerando que todas estas variáveis
como do tipo normais, os resultados das expressões 2.11 e 2.12 servem para
determinar o valor médio e o desvio padrão da variável aleatória normal T * . No
entanto, se as algumas das variáveis não fossem normais, a expressão 2.12 não deve
ser utilizada para calcular σT*. Nesses casos as técnicas FORM, SORM, transformada
rápida de Fourier, Montecarlo, etc., devem ser aplicadas. Nesta tese se considerará a
todas as variáveis como do tipo normais. Aplicações e análise de resultados de
resultados da expressão 2.11 e 2.12 serão apresentados no capítulo cinco.
57
2.6.2
AIE E SEU ACOPLAMENTO COM A MATRIZ DE RISCO
Na figura 2.15 os Riscos iguais a 1,2 e 3 representam nível de Risco alto, enquanto
que 4, 5 e 6 representam nível médio alto, o Risco 8,9 e 10 o nível médio, o nível de
risco médio baixo é para Risco 12,15 e 16, e finalmente, o Risco baixo ocorre para os
valores 20 e 25.
A matriz da figura 2.15 diferencia-se das apresentadas nas figuras 2.5 e 2.7 nos
valores que pode tomar a soma de índices, enquanto na figura 2.15 somente se
considera a soma de índices de dano por corrosão atmosférica. Nas figuras 2.5 e 2.7,
se considera a soma de índices de todos os danos definidos por Muhlbauer.
58
Com base na matriz de Risco apresentada na figura 2.15, se explicará a condição que
deve cumprir cada duto para que seja aprovada sua operação em qualquer dos 14
Riscos. A condição é que T*, avaliada da expressão 2.11, tem que ser maior que a
VD, estabelecida para os 14 Riscos. Na tabela 2.6, na segunda coluna, se apresentam
os valores de VD para cada Risco, estes valores foram estabelecidos mediante
critérios subjetivos, sendo susceptível de serem modificados. Na terceira coluna da
tabela 2.6 apresentam-se os valores do coeficiente de variação CV para os 14 Riscos.
O CV representa a incerteza que pode ser aceita para a vida desejada, e dependerá do
nível de risco desejado. Para o nível de risco baixo, a incerteza que pode ser tolerada
é alta, e para o risco alto a incerteza tolerável é baixa. Por experiência sabe-se que a
variação do valor para o CV é de 0.05 até 0.4, sendo que para valores de incerteza
menores correspondem os valores de CV menores, e vice-versa.
PUC-Rio - Certificação Digital Nº 9925055/CA
σVD) para os 14
Na quarta coluna da tabela 2.6 encontram-se o desvio padrão da VD (σ
Riscos obtidos da multiplicação da VD (segunda coluna) e CV (terceira coluna), com
isto, é gerada a variável aleatória tipo normal da vida desejada, representada por VD ,
com média VD e desvio padrão σVD, a qual será comparada com a variável aleatória
59
da vida residual, representada por T * , com media T*, avaliada da expressão 2.11, e
desvio padrão σT*, avaliada da expressão 2.12. Da comparação das duas variáveis,
T * e VD , calcula-se a probabilidade de falha calculada (Pfc) que indica a
2.6.3
CÁLCULO DO TEMPO DE INSPEÇÃO
Como mencionado anteriormente, quando a Pfc for menor a Pfd significa que o duto
pode seguir operando, no entanto, devido a taxa de corrosão radial e ao transcurso do
tempo a Pfc aumenta, podendo igualar a Pfd devido a esta ser independente do
tempo. Com o exposto, define-se como tempo de Inspeção (TI) o tempo necessário
para que Pfc seja igual a Pfd. Considerando que a Pfd é diferente para os 14 Riscos,
se esperam obter diferentes valores para TI, sendo que para o menor nível de Risco,
por exemplo, Risco igual a 25, deve-se obter um maior valor para TI.
Para facilitar a análise dos resultados fornecidos pelos modelos desenvolvidos para o
cálculo da vida residual e o tempo de inspeção, explicado em 2.6.1, 2.6.2 e 2.6.3, foi
desenvolvido um aplicativo com interface gráfica apresentada na figura 2.16.
60
Coluna 1 Coluna 2
1ra.
seção
2da.
seção
3ra.
seção
PUC-Rio - Certificação Digital Nº 9925055/CA
4ta.
seção
6ta.
seção
5ta.
seção
Nesta tese somente se tratará a metodologia qualitativa para avaliar o Risco. Na qual,
todos os fatores do tipo quantitativo ou qualitativo, serão representados mediante a
forma aproximada ou subjetiva. Em seguinte serão mencionados argumentos que
justificam as razões do Risco poder ser avaliado mediante a forma qualitativa.
Com isto, a teoria da lógica fuzzy desenvolvida por Zadeh [63], é aplicada nos
problemas de análise de Risco. As razões da escolha desta teoria se devem aos
seguintes aspectos:
Neste capítulo, o problema do Risco será avaliado através da teoria de lógica fuzzy,
portanto, se estudará a relação entre estes dois conceitos. Como resultado deste
estudo, a inferência Mamdani e a teoria de números fuzzy serão aplicadas na solução
dos problemas de análise de Risco.
PUC-Rio - Certificação Digital Nº 9925055/CA
3.1
65
duto. A relação entre as três variáveis é feita mediante regras fuzzy do tipo SE-
ENTÃO da lógica fuzzy, com base nesta relação, a perda por corrosão no duto é uma
função da idade e meio ambiente. No entanto, um outro especialista pode sugerir um
outro modelo com base a novas regras fuzzy, o mesmo modificando a faixa de
valores para qualquer das três variáveis.
Sendo assim, seja um especialista que considere que a perda por corrosão (Z) é
relacionada pela soma da variável idade (X) e meio agressor (Y). O especialista
considera que os valores de X variaram no intervalo 0 e 20 anos, para os valores de Y
entre 0-30. Neste último, um resultado perto de zero indica um meio muito favorável
para a corrosão, e perto de 30, um meio muito desfavorável. Com isto, o resultado de
Z, estará entre 0 e 50. Considera-se também que as variáveis X, Y e Z somente
poderão assumir valores inteiros.
Com o exposto, deseja-se gerar um modelo que relacione a variável idade, meio
ambiente e perda por corrosão, baseada nas regras fuzzy do tipo SE-ENTÃO da
lógica fuzzy, tal que, seus resultados obtidos sejam aproximados aos apresentados
pelo especialista”.
3.1.1
66
VALORES LINGÜÍSTICOS
Um valor lingüístico não pode ser representado por números e sim por palavras ou
sentenças expressadas em uma linguagem natural ou artificial. Palavras ou sentenças,
em geral são menos precisas que os números, pois, os conceitos destas servem para
dar significado a uma caraterização aproximada de um fenômeno, por exemplo:
idade baixo, meio ambiente muito corrosivo, corrosão média, etc.
3.1.2
CONJUNTO FUZZY
Um conjunto fuzzy é uma coleção de dados, sem características bem definidas, isto é,
PUC-Rio - Certificação Digital Nº 9925055/CA
X : universo de discurso de x
3.1.3
FUNÇÃO DE PERTINÊNCIA
x
, se x ∈ [0,15]
µ M (x ) = 15
1, se x > 15
3.1.4
CORTE α (α
α-CUT)
3.1.5
PRINCÍPIO DE EXTENSÃO
x
5 −1 5 ≤ x ≤ 10
x
µ M = − + 3 10 ≤ x ≤ 15
5
0 x ≤ 5 e x ≥ 15
69
Com este conjunto fuzzy M, a imagem refletida através de uma função qualquer, por
exemplo, a função Y=X2 gerará um conjunto fuzzy P, no universo de valores de Y,
representada por:
x
2
− 1 25 ≤ x ≤ 100
5
2
x
µ P = − + 3 100 ≤ x ≤ 225
5
0 x ≤ 25 e x ≥ 225
Cuja representação gráfica pode ser observada na figura 3.3
PUC-Rio - Certificação Digital Nº 9925055/CA
3.1.6
VARIÁVEL LINGÜÍSTICA (VL)
De forma geral, uma variável é expressa por valores numéricos, mas, se a variável é
representada por meio de valores lingüísticos, esta é chamada de variável lingüística.
A definição formal de uma VL é:
70
VL = {x , T( x ), U, M}
Na qual:
x : nome da variável lingüística
T(x) : conjuntos de valores lingüísticos que a VL pode aceitar
U : universo de discurso é o conjunto de valores que a VL pode assumir
M : são os conjuntos fuzzy associado a cada valor lingüístico.
Como exemplo apresenta-se na figura 3.4 a variável lingüística idade do duto, X, com
quatro conjuntos fuzzy do tipo triangular definidos dentro do universo [0,20].
PUC-Rio - Certificação Digital Nº 9925055/CA
3.1.7
RELAÇÕES FUZZY
R = {((x , y ), µ R ( x, y) ) µ R ( x , y) ≥ 0, x ∈ A, y ∈ B}
71
Por exemplo, sejam os conjuntos X com elementos dados pelas causas que originam
falha em um duto e Y com elementos que contem os tipos de danos que poderiam
causar a falha no duto:
corrosão 0 0 1 0
µ R (x i , y i ) =
corrosão - fadiga 1 0 1 0
fratura 1 1 1 0
Esta relação indica que a vibração tem alta influencia na fadiga (grau de pertinência
igual a 1) enquanto que no tem alta influencia na corrosão ( grau de pertinência igual
a 0). A mesma relação R, pode ser obtida mediante a relação fuzzy, tal como se
apresenta a seguir:
Já nesta relação se aceita que a vibração tem alta influencia na corrosão com um grau
de pertinência igual a 0.4 no conjunto fuzzy alto. Desta a forma, nas relações fuzzy é
permitido relacionar elementos de diferentes conjuntos por valores intermediários
entre [0,1].
72
3.1.8
COMPOSIÇÃO MAX-MIN
Se duas relações fuzzy R e S são definidas baseadas nos conjuntos fuzzy X,Y e Z, tal
que R ⊆ X × Y e S ⊆ Y × Z, então a composição de R e S, representada como
R • S , é definida como:
µ R •S ( x , z) = Max [Min (µ R ( x , y),µ S ( y, z) )]
de inspeção (PI): Z = {PI 1, PI 3, PI 2}. Baseado nestes três conjuntos deseja-se saber
que tipo de PI pode-se realizar nos três dutos, com base no conhecimento das
relações entre P=(X,Y) e Q=(Y,Z):
[y1 y2 y3]
x1 0.2 0.8 0.8
P (X, Y) = µ P (x i , y i ) = x 2 0.5 0.7 0.9
x 3 0.8 0.7 0.9
[z1 z2 z 3]
y1 1 0.5 0.2
Q( Y, Z) = µ Q (y i , z i ) = y 2 0.5 1 0.2
y3 0.2 0.5 1
[z1 z2 z 3]
x1 0 . 5 0. 8 0. 8
R ( Y, Z) = P • Q = x 2 0.5 0.7 0.9
x 3 0.8 0.7 0.8
Desta relação, opta-se por realizar o PI2 e PI3 no duto 1, enquanto que no duto 2
recomenda-se fazer o PI3 e para o duto 3 o PI1 e PI3.
3.1.9
OPERAÇÕES COM CONJUNTOS FUZZY
Na qual:
3.1.10
BASE DE REGRAS FUZZY
Se antecedente Ent~
a o Consequente
entradas e uma só saída (MISO) [68]. A forma de uma regra tipo MISO com duas
variáveis lingüísticas de entradas e uma de saída é a seguinte:
Onde:
Regrai : i-ésima regra fuzzy da base de regras fuzzy.
X, Y : são as variáveis lingüísticas de entrada, por exemplo, idade do duto e meio
agressor respectivamente.
Z : é a variável lingüística de saída, por exemplo, perda por corrosão.
Ai, Bi e Ci: são conjuntos fuzzy das variáveis lingüísticas X, Y e Z.
PUC-Rio - Certificação Digital Nº 9925055/CA
3.1.8
IMPLICAÇÃO
A regra fuzzy SE X é igual a Ai então Z é igual a Ci, é uma relação fuzzy expressa
mediante uma implicação fuzzy R = A i → Ci . A relação R pode ser vista como
um conjunto fuzzy com grau de pertinência bidimensional,
µ R ( x, z) = f (µ A ( x ), µ C ( z))
i i
R = A × C = ∫A×C µ A ( x ) ∧ µ C (z ) /( x, z)
R = A × C = ∫A×C µ A ( x ) • µ B (z ) /( x, z)
76
3.2
METODOLOGIAS PARA AVALIAR O RISCO BASEADO NA LÓGICA
FUZZY
1.- Inferência Mamdani [9]: Proposto por Ebrahim Mamdani no ano 1975, esta é o
tipo de inferência mais conhecida na lógica fuzzy. Este método foi o primeiro a ser
aplicado ao controle de sistemas usando a teoria de lógica fuzzy.
PUC-Rio - Certificação Digital Nº 9925055/CA
Figura 3.8: Procedimento geral da inferência Mamdani para obter a saída C’ com base nos valores
de entrada x1 e x2.
Figura 3.9: Procedimento geral da inferência monotônica para obter o resultado em base a
uma variável de entrada x
78
Figura 3.10: Procedimento geral da inferência monotônica para obter o resultados para três
variáveis de x1,x2 e x3
Do exposto, podem observações fazer: (1) existem casos onde os eventos não são
definidos exclusivamente por somente dois estados (funcionando e não
funcionando), como por exemplo, Freire [64] considera um duto critico quando
apresenta uma perda de 70 % na espessura, já para 50 % de perda de espessura
PUC-Rio - Certificação Digital Nº 9925055/CA
considera que o duto tem uma grande corrosão, enquanto para 20 % define-se como
baixa corrosão e para 10% como se o duto não tive-se corrosão, com isto, a definição
da criticidade do duto com base a perda de espessura por corrosão, não somente se
realiza baseados em dois estados (crítico e não crítico), senão também com estados
intermédios como alto, médio, baixo, etc., e (2) há situações onde não existe uma
quantidade grande de dados, por conseguinte, em estas situações não pode ser
aplicada a teoria de probabilidade, como é o caso do impacto da construção de um
gasoduto na antártica ou em áreas de alta sensibilidade a acidentes, etc.
Com base nas observações feitas, surgiu a teoria de confiabilidade possibilística
baseada na lógica fuzzy. Na confiabilidade possibilística existem três modelos bem
definidos, os quais visam a avaliar a confiabilidade do sistema, estas são POSBIST
[69], POSFUST [70] e PROSFUST [71,72]. Destes três modelos, o primeiro e o
terceiro têm sido bastante estudados com relação ao segundo.
4.- Método de Karwoski e Mital [73]: Este método propõe avaliar o Risco com base
na probabilidade de ocorrer um evento (L), a influencia do ambiente no evento (E) e
as conseqüências ocasionadas se o evento ocorrer (C). Com isto, Karwoski e Mital
consideram que L,E e C podem ser avaliados por valores lingüísticos em vez dos
numéricos, tal como se apresentam na seguinte tabela:
80
fatalidades.
Desastroso, $ 107 – 106 e fatalidades Muito alto
Muito sério, $ 106 – 105 e uma Alto
fatalidade
Sério, $ 105 – 104 e sério perigo. Médio
Importante, 104 – 103 e fora de serviço. Mais ou menos médio
Sensível, 102 – 103 e primeiros Baixo
auxílios.
Tabela 3.1: Valores lingüísticos para L, C e E dados por
Karwoski e Mital [38]:
quantidade de variáveis lingüísticas mais difícil de gerar boas regras. Uma vantagem
da inferência Mamdani está na possibilidade de que o modelo usado que avalie o
Risco pousa ser atualizado na incorporação de novas regras.
Na inferência monotônica podem-se também associar as diversas variáveis com o
Risco, no entanto, esta é limitada a associar somente uma variável lingüística de
entrada com outra de saída. Esta limitação o faz mais restrita e menor geral se
comparada com a inferência Mamdani.
Com relação aos métodos que aplicam a teoria possibilística para avaliar o Risco,
estas não limitam a quantidade de variáveis na sua análise, no entanto, a avaliação de
cada variável requer representá-la mediante os números fuzzy, o que significa
determinar as dispersões da esquerda e direita respeito ao valor médio que a variável
pousa assumir.
PUC-Rio - Certificação Digital Nº 9925055/CA
3.3
INFERÊNCIA MAMDANI
Na inferência Mamdani [9,67], a forma geral de uma base com regras tipo MISO
com duas variáveis lingüísticas de entrada X e Y e uma de saída Z tem a seguinte
forma:
82
Na qual, A’e B’ são os valores das variáveis lingüísticas de entrada, estes podem ser
representados por valores CRISP ou lingüísticos; R1,R2,....,Rn são as regras fuzzy que
PUC-Rio - Certificação Digital Nº 9925055/CA
n
([ ( )] [
C' = U A '•Rc A , C I B'•Rc B , C
i=1 i i i i
( )] )
Na qual:
Em [68] menciona que a obtenção de C’ também pode ser realizado pelo método de
agregação do tipo soma, tal como apresentado na seguinte expressão:
n
C' = ∑ A '•Rc A i , C i I B'•Rc Bi , C i
i = 1
Neste caso, C’ é obtida da soma de todas as respostas obtidas de cada uma das regras
fuzzy. Na figura 3.12, mostra-se como o método de agregação soma é aplicado para
obter C’ mediante a ativação de duas regras fuzzy.
84
PUC-Rio - Certificação Digital Nº 9925055/CA
_ ∫ z × µ (z)dzC'
z= z
∫ µ (z)dz
z
C'
85
_
Método que considera o valor médio dos pontos máximos (MOM): Este avalia z
como a média dos valores máximos contidas em C’.
_
Método que considera o valor mínimo dos máximos (SOM): Este avalia z como o
valor mínimo dos mínimos.
_
PUC-Rio - Certificação Digital Nº 9925055/CA
Figura 3.13: Valores zs, zm, zl, zb e zc obtidos segundo diferentes métodos
de desfuzificação.
86
3.3.1
SISTEMAS DE LÓGICA FUZZY
De forma geral, um SLF é composto por quatro partes, a seguir (ver figura 3.14):
forma: SE-ENTÃO.
3- Área de inferência: estabelece a relação entre as variáveis fuzzy de entrada e
saída.
4- Desfuzificador: transforma os valores fuzzy de saída em valores determinísticos.
3.3.2
IDENTIFICAÇÃO DE UM SISTEMA FUZZY
Nela, as primeiras duas caixas brancas servem para limitar o intervalo de valores das
variáveis lingüísticas X e Y, enquanto que a terceira caixa branca serve para escolher
a relação que tem X e Y para determinar a variável de saída Z . As seguintes duas
caixas brancas servem para estabelecer a discretização a ser usada em cada variável X
e Y. Assim, com estas cinco informações, o aplicativo gera uma base de dados, que
servira para comparar o desempenho do SLF que será gerado. As seguintes duas
caixas brancas, servem para estabelecer os números de conjuntos fuzzy das variáveis
lingüísticas X e Y. A continuação encontra-se duas caixas que possibilitam escolher
os tipos de agregação e desfuzificação, e ainda, uma caixa para selecionar o método
de geração de regras. Nela existem quatro métodos, a primeira baseada nos valores
máximos dos conjuntos fuzzy das variáveis lingüísticas de entrada, a segunda baseada
89
Além destes resultados, a primeira parte do aplicativo gera o SLF segundo o formato
do TOOLBOX FUZZY do software MATLAB.
máximos. Isto por que o tipo de representação mediante os conjuntos fuzzy tipo
triangular são os mais aplicados na lógica fuzzy e o método de geração de regras pelo
método dos valores máximos foi o que apresentou melhores resultados comparados
com os outros três métodos (isto se tratará em 3.3.2.1). Na figura 3.17 apresenta-se a
visualização gráfica da segunda parte do aplicativo.
PUC-Rio - Certificação Digital Nº 9925055/CA
Figura 3.17: Entrada de dados em forma CRISP ou por números fuzzy no aplicativo.
Na figura 3.17, as caixas brancas são para representar os valores fuzzy, tipo
triangular, das variáveis lingüísticas X e Y. Em cada caixa branca, existem três
números, o primeiro representa o vértice inferior esquerdo do triângulo, o segundo o
vértice médio superior e o ultimo o vértice inferior direito do triângulo. Debaixo da
segunda caixa encontra-se o resultado final obtido do SLF gerado com as
características estabelecidas na primeira parte. No lado direito da figura 3.17,
apresentam-se os resultados gerados pelo SLF (linha de cor azul) e o resultado
esperado (linha de cor verde).
Logo mais, com ajuda do aplicativo gerado, se realizará uma análise para selecionar o
método para gerar a base de regras, tipo de agregação, desfuzificação e a quantidade
ideal de conjuntos fuzzy.
3.3.2.1
BASE DE REGRAS
Uma base de regras fuzzy pode ser gerada baseada na experiência do especialista ou
por técnicas geradoras de regras. Se a base de regras for gerada pelo especialista, o
91
sucesso do SLF dependerá do quão confiáveis são as regras dadas por ele. Se uma
técnica geradora for usada, o sucesso estará em função do desempenho do algoritmo
gerador de regras, neste caso, é preciso a existência de uma base de dados para avaliar
o desempenho.
Na literatura encontram-se diferentes métodos para gerar regras, aqui serão analisados
três métodos diferentes. A primeira será baseada no princípio de extensão, a segunda
nos valores máximos dos conjuntos fuzzy das variáveis lingüísticas de entradas,
finalmente, a terceira é uma adaptação do trabalho desenvolvido por Isibuchi [76].
As duas primeiras metodologias são propostas nesta tese, objetivando “fuzificar o
modelo de Muhlbauer”, na qual as variáveis estão relacionadas por meio de operações
soma, divisão ou multiplicação. A comparação dos resultados destas duas propostas
foram realizadas com os resultados do modelo proposto por Ishibuchi [76], este
PUC-Rio - Certificação Digital Nº 9925055/CA
modelo gera as regras fuzzy com base nas informações de uma base de dados. A
escolha da metodologia de Ishibuchi como referência para a comparação, deve-se a
facilidade de implementa-o em um programa computacional, além, Ishibuchi, um
professor da universidade de Osaka – Japon, é pesquisador com ampla experiência na
área de lógica fuzzy com mais de trinta publicações em revistas internacionais, por
exemplo, Fuzzy Set and Systems, com o exposto, a continuação se explicará as três
metodologias.
3.3.2.1.1
MÉTODO DE GERAÇÃO DE REGRAS BASEADA NO PRINCÍPIO DE
EXTENSÃO
Figura 3.19: Conjuntos fuzzy gerados pelo aplicativo para a variável lingüística X.
3.3.2.1.2
MÉTODO DE GERAÇÃO DE REGRAS BASEADO NOS VALORES
MÁXIMOS DOS CONJUNTOS FUZZY
denominada M ↓ .
9.- Cada “s”- ésima fila (s=1,..., nxm) da matriz M ↓ representará o seguinte:
- um conjunto fuzzy tipo triangular para a variável lingüística de saída, com
a seguinte representação:
Z(s)= [M(s-1,3) M (s,3) M (s+1,3)]
- uma regra fuzzy do tipo:
SE X é AM(s,1) e Y é B M(s,2) então Z é Z(s)
10.- Fazer passos 5,6,7,8 e 9 para todos os valores de “i” e “j”.
Na figura 3.20 apresenta-se o mesmo caso apresentado na figura 3.18, exceto que
nesta figura, a base de regras foi gerada pelo método dos valores máximos dos
conjuntos fuzzy das variáveis lingüísticas de entrada.
Os resultados da figura 3.20, são obtidos para o método de agregação tipo máximo,
tipo de desfuzificação centroide e cinco conjuntos fuzzy para as duas variáveis
lingüísticas X e Y.
95
PUC-Rio - Certificação Digital Nº 9925055/CA
3.3.2.1.3
MÉTODO DE GERAÇÃO DE REGRAS BASEADO NO MÉTODO DE
ISHIBUCHI
5.- Calcular os valores de W mediante a seguinte expressão: Wij (Vp ) = {µij (Vp )} ,
α
7.- Este método gera duas bases de regras, chamadas de primária e secundária com
PUC-Rio - Certificação Digital Nº 9925055/CA
Para maiores detalhes de Z *ij Z * *ij , CF *ij e CF * *ij ver referência [51].
∑ ∑ µ
i =1 j=1
ij (Vp ) × Z*ij ×CF *ij + µ ij (Vp ) × Z* *ij × CF * *ij
T * (Vp ) =
∑ ∑ {µ (Vp ) × CF *ij +µ ij (Vp ) × CF * *ij }
n m
ij
i =1 j=1
Na figura 3.21 apresenta-se os resultados gerados pelo SLF, no qual, sua base de
regras foi gerada mediante o método Ishibuchi.
97
PUC-Rio - Certificação Digital Nº 9925055/CA
Os resultados da figura 3.21 não foram obtidos para o método de agregação do tipo
máximo e de desfuzificação tipo centroide, já que, o método Ishibuchi considera seus
próprios métodos de agregação e desfuzificação os quais estão expressos no passo 10.
Outra diferença com relação aos outros dois modelos, é que o modelo Ishibuchi
requer informação adicional para gerar a base de regras, como é a quantidade de
conjuntos fuzzy para a variável lingüística de saída e valor de ajuste, alpha. Neste
caso, considerou-se um valor de 1.5, já que, com este valor o SLF tem menor erro
quadrático, no entanto, não garante ter a menor variação, pois, com um valor de alpha
igual a 2.5, tem-se uma máxima variação de 2.5 que é menor a 2.9, a qual foi obtida
para alpha igual a 1.5, como poder ser observada na figura 3.21.
Na figura 3.22, apresenta-se os resultados dados pelo mesmo SLF gerado pelo
aplicativo, no entanto, para a avaliação do seu desempenho só se considerará a base
primária.
98
PUC-Rio - Certificação Digital Nº 9925055/CA
Destes três métodos para gerar a base de regras, o método que considera os valores
máximos é o que apresenta melhores resultados do erro quadrático, erro quadrático
médio e variação máxima, tal como pode ser ver na tabela 3.2:
Com base a estes resultados, nesta tese se selecionará o método baseado nos valores
máximos dos conjuntos nebulosos das variáveis lingüísticas de entrada.
99
3.3.2.2
TIPOS DE AGREGAÇÃO E DESFUZIFICAÇÃO
Fig. 3.23: Erro quadrático e erro quadrático médio para as dez opções da tabela 3.3.
Na gráfica anterior, observa-se que as opções 1,2,6 e 7 são os que apresentam menos
erro quadrático e erro quadrático médio. Isto significa que independente do tipo de
PUC-Rio - Certificação Digital Nº 9925055/CA
As variações máximas que apresentam os SLF com as dez opções (tabela 3.3), são
apresentadas na figura 3.24.
Nos resultados da figura 3.24, os SLF que apresentam as menores variações são as
opções 1,2,6 e 7, que coincidem com os resultados da figura 3.23.
101
3.3.2.3
QUANTIDADE DE CONJUNTOS FUZZY
Por outro lado, se a opção é por um SLF preciso, se levará em conta que a maior
quantidade de conjuntos fuzzy para cada variável lingüística de entrada e de saídas,
os resultados do SLF serão mais exatos. Neste caso, o especialista não é eficiente em
identificar grandes quantidades de conjuntos fuzzy, assim, as técnicas de classificação
surgem como uma boa alternativa. Elas identificam os limites dos conjuntos fuzzy
com base a diversos critérios de classificação.
Nesta tese, o critério a levar em consideração para definir os conjuntos fuzzy das
variáveis lingüísticas de entrada será a de classificação uniforme, isto significa, que
os conjuntos fuzzy serão definidos uniformemente dentro do universo de discurso da
variável. Um exemplo do exposto é dado na figura 3.19, no qual, a variável
lingüística X possui cinco conjuntos fuzzy distribuídos uniformemente no universo de
discurso [0,20]. No que respeita à definição dos conjuntos fuzzy das variáveis
lingüísticas de saída, estas serão definidas pelo método de geração de regras
escolhido em 3.2.2.1 (valores máximos).
Com este critério de classificação para definir os conjuntos fuzzy, se analisará a
influência da quantidade de conjuntos fuzzy das variáveis lingüísticas de entrada no
desempenho de um SLF. Esta análise se realizará para os diferentes tipos de
agregação e desfuzificação mencionados na tabela 3.3. Para isso, se considerará o
102
Figura 3.25: Erros quadráticos gerado pelos SLF para diferentes quantidades de conjuntos
fuzzy
103
Na figura 3.25, “i” e “j” representam o número de conjuntos fuzzy das variáveis
lingüísticas X e Y respectivamente. Desta figura pode-se mencionar que o tipo de
desfuzificação CENTROIDE é o que apresenta menor erro quadrático em quase todos
os 640 sistemas fuzzy, no entanto, nos casos onde o tipo CENTROIDE não é o
melhor, este apresenta um erro quadrático próximo ao melhor tipo. Com respeito aos
tipos de agregação, estes apresentam resultados aproximadamente iguais, sendo que o
tipo SOMA apresenta ligeiramente melhores resultados do que tipo MÁXIMO.
Figura 3.26: Variação máxima gerada pelos SLF para diferentes quantidades de conjuntos fuzzy
104
Da figura 3.26 observa-se que para a maior parte dos 640 sistemas fuzzy analisados o
tipo de desfuzificação CENTROIDE é o que apresenta menor variação máxima, tal
como observado na figura 3.26.
Das figuras 3.25 e 3.26 observa-se que para valores baixos de “i” e “j” (região
esquerda dos gráficos) os resultados do erro quadrático e da variação máxima gerados
pelos SLF não convergem para os diferentes tipos de agregação e desfuzificação,
enquanto, para valores alto de “i” e “j” (região direita dos gráficos) os resultados
convergem para os diferentes tipos de agregação e desfuzificação.
Analisando todos os SLF que tenham como método de desfuzificação centróide
(linha vermelha nas figuras 3.25 e 3.26) observa-se que os maiores erros quadráticos
e as maiores variações máximas ocorrem quando a quantidade de conjuntos fuzzy
PUC-Rio - Certificação Digital Nº 9925055/CA
dadas as variáveis lingüísticas de X e/ou Y são iguais a dois, e conforme aumenta esta
quantidade de conjuntos fuzzy, o erro quadrático e a variação máxima tendem a
diminuir.
Figura 3.27: Resultados dos SLF quando as variáveis de entradas são expressas
mediante conjuntos CRIPS.
Figura 3.28: Resultados dos SLF quando as variáveis de entradas são expressas
mediante conjuntos fuzzy.
106
Nestas duas figuras, a linha de cor verde representa as respostas esperadas, enquanto
que a linha de cor azul são as respostas dadas pêlos dez SLF. Pode-se observar destas
figuras que conforme o número de conjuntos fuzzy aumenta para as variáveis
lingüísticas X e Y, os valores dados pêlos SLF se aproximam do valor esperado. Em
geral a maior quantidade de conjuntos fuzzy para as variáveis lingüísticas de entrada,
se obterá o menor erro quadrático e menor variação máxima nos resultados.
Volvendo nos 640 sistemas fuzzy analisados nas figuras 3.25 e 3.6, seleciona-se um
grupo de SLF, tal que apresentem os menores erros quadráticos e as menores
variações máximas objetivando avaliar o desempenho destes SLF. Este grupo
selecionado é apresentado na tabela 3.4:
PUC-Rio - Certificação Digital Nº 9925055/CA
Da tabela 3.4, seleciona-se uma opção qualquer, por exemplo, a opção 1 (tipo de
agregação MÁXIMO e tipo de desfuzificação CENTROIDE) que possui nove
conjuntos fuzzy para as duas variáveis lingüísticas de entradas. A seguir, na figura
3.29, apresentam-se os resultados do erro quadrático, erro quadrático médio e a
variação máxima para o SLF selecionado, a qual foi gerado pelo aplicativo descrito
em 3.3.2.
107
3.4
NÚMERO FUZZY
3.4.1
DEFINIÇÃO NÚMEROS FUZZY
a−x
L( α ) para a - α ≤ x ≤ a
~ x−a
b ( x ) = R ( ) para a ≤ x ≤ a + β
β
0, em qualquer caso
Na qual:
~
- a é o valor médio do número fuzzy b
- α e β são as dispersões do lado esquerdo e direito respectivamente. Quando α e β
~
são iguais a zero, o número b coincidirá com a forma CRISP.
- L e R são funções decrescentes e contínuas dentro do intervalo [0-1], as quais
satisfazem as seguintes condições:
PUC-Rio - Certificação Digital Nº 9925055/CA
- L(0)=R(0)=1, e
- L(1)=R(1)=0
~
A representação gráfica do número fuzzy b é apresentada na figura 3.30:
3.4.1.1
OPERAÇÕES COM NÚMEROS FUZZY
~ ~
Algumas operações que podem ser realizadas com dois números fuzzy A e B para
diferentes α-cut são:
∀a , a , b , b ∈ R onde
1 3 1 3
~α α α ~α α α
A = [a , a ], B = [ b , b ] define - se :
1 3 1 3
PUC-Rio - Certificação Digital Nº 9925055/CA
~ α ~α α α α α α α α α
1) Adição : A ⊕ B = [a , a ] ⊕ [ b , b ] = [a + b , a + b ]
1 3 1 3 1 1 3 3
~α ~α α α α α α α α α
2) Subtração : A ΘB = [a , a ]Θ[ b , b ] = [a − b , a − b ]
1 3 1 3 1 1 3 3
~ α ~α α α α α α α α α
3) Multiplica ção : A ⊗ B = [a , a ] ⊗ [ b , b ] = [ a • b , a • b ]
1 3 1 3 1 1 3 3
~ α ~α α α α α α α α α
4) Divisão : A ÷ B = [a , a ] ÷ [ b , b ] = [a ÷ b , a ÷ b ]
1 3 1 3 1 3 3 1
Na figura 3.31, as cinco primeiras caixas brancas servem para o ingresso de dados
dos quatro índices de dano e do FIV. Cada uma destas caixas requer como
informação quatro valores, os quais representam números fuzzy tipo trapezoidal, tal
como apresenta-se na figura 3.32.
Com estes cinco dados de entrada, o aplicativo avalia mediante operações fuzzy a
soma de índices e Risco. Estes resultados encontram-se mostrados em forma gráfica
112
Como observado, a utilização dos números fuzzy permite quantificar a incerteza nas
PUC-Rio - Certificação Digital Nº 9925055/CA
avaliações para diferentes valores de com base nas informações dadas às variáveis,
possibilitando considerar seus resultados em uma seguinte etapa do gerenciamento de
Risco.
4
FUZIFICAÇÃO DO MODELO MUHLBAUER
base nas recomendações dadas por o Muhlbauer. Por exemplo, no caso da variável
condição do revestimento externo do duto (CRED), Muhlbauer recomenda três
alternativas: alto, médio e baixo, com isto. No SLF, que utiliza a CRED como uma
variável lingüística de entrada, ocorrerão terá três conjuntos fuzzy. Assim, no
primeiro modelo só se selecionarão os tipos de agregação e de desfuzificação. No
segundo, além de selecionar os tipos de agregação e desfuzificação, se analisará a
influência de diferentes quantidades de conjuntos fuzzy, o que significa que se
procurará exatidão nos resultados, já que o aumento de conjuntos fuzzy nas variáveis
lingüísticas faz com que diminua o erro quadrático e a variação máxima (ver em
3.3.2.3). No último modelo, as variáveis de entradas serão representadas por números
fuzzy objetivando incorporar as incertezas das mesmas na avaliação do Risco.
Para os três modelos serão gerados aplicativos desenvolvidos no software do
MATLAB, do qual se utilizarão as ferramentas do SIMULINK, TOOLBOX FUZZY
e o GUIDE. A seguinte figura mostra o esquema seguido no presente capítulo.
PUC-Rio - Certificação Digital Nº 9925055/CA
114
115
4.1
PROBLEMAS A SUPERAR NA FUZIFICAÇÃO DO MODELO
MUHLBAUER
4.1.1
A SENSIBILIDADE DO MODELO MUHLBAUER
baixos do FIV ocasiona uma grande variação nos resultados do Risco, e isto
independente do valor da soma de índices. Para visualizar esta sensibilidade,
considera-se que o retângulo (cor azul) da figura 4.1, representa todos os valores do
Risco e que os lados do retângulo representem os valores que podem assumir a soma
de índice e o FIV. Então, na figura 4.1, as linhas azuis (traços grossos) representarão
os pontos que têm igual Risco, por exemplo, Risco 400, 800, 1200 e 1600. Assim, a
área traçada de cor vermelha representa a área onde estão compreendidos todos os
Riscos entre 400 e 800. Sendo assim, pode-se observar que a área que representa
todos os Riscos entre 400 e 2000 é menor do que a área que representa todos os Risco
entre 0 e 400. Ou seja, para uma pequena variação do FIV (p. ex.: 0.2-1), o Risco
tem uma grande variação (p. ex.: 400 a 2000), enquanto, para uma grande variação do
FIV (1-88) o Risco apresenta pouca variação (p. ex.: 0-400).
Com isto, o SLF que avalia o Risco baseando-se nas variáveis lingüísticas: soma de
índice e o FIV, terá que possuir uma quantidade grande de conjuntos fuzzy para os
valores baixos do FIV e poucos conjuntos fuzzy para os valores altos, Mas para
decidir quantos conjuntos fuzzy deve-se usar na área de alta e baixa sensibilidade
para o Risco requer-se um estudo de classificação.
No entanto, uma modificação na expressão 2.1 poderá resolver o problema da
sensibilidade do Risco sem alterar a definição conceitual do modelo de Muhlbauer.
Esta modificação sugere inverter os valores do FIV para FIV-1 (1/FIV), tal que a
expressão 2.1 se converta na seguinte expressão 3.1, fazendo com que os conjuntos
fuzzy definidos para o FIV-1 sejam distribuídos uniformemente no seu domínio:
Com isto, no SLF que avalie o Risco, os conjuntos fuzzy para a variável lingüística
FIV-1 podem ser distribuídos uniformemente dentro do domínio [0 -5]. Para comparar
os benefícios desta mudança, apresenta-se a seguir os resultados do erro quadrático e
da variação máxima quando o SLF considera a expressão 3.1 (figura 4.3) e 2.1
(figura 4.4). Destas observa-se que o erro quadrático médio é mais estável quando a
expressão 2.1 é substituída pela expressão 3.1, além da diminuição da variação
máxima de aproximadamente 1000 para 250 unidades. A mudança da expressão 2.1
para a expressão 3.1 origina também uma redução dos conjuntos fuzzy para as
variáveis lingüísticas de saída de 21 para 12, as quais foram geradas pela técnica
geradora de regras explicada em 3.3.2.1.
PUC-Rio - Certificação Digital Nº 9925055/CA
4.1.2
PROBLEMA DE DISCRETIZAÇÃO
Sendo assim, a nova análise realizada será dividida em duas partes: (1) mantendo o
número de conjuntos fuzzy das variáveis lingüísticas de entrada, mas, variando o tipo
de agregação, desfuzificação e a discretização, e (2) mantendo fixo o tipo de
agregação e desfuzificação, mas variando o número de conjuntos fuzzy das variáveis
lingüísticas de entrada.
119
4.1.2.1
INFLUÊNCIA DO TIPO DE AGREGAÇÃO E DESFUZIFICAÇÃO
de 0.1, 0.2, 0.25, 0.5, 1, 2, 5 e 10 dados aos valores das variáveis lingüísticas X e Y.
O SLF que, gerará os resultados, terá cinco conjuntos fuzzy para cada uma das
variáveis lingüísticas.
Considerando o critério do erro quadrático, os resultados obtidos para o tipo de
agregação e desfuzificação para diferentes discretizações são apresentados na figura
4.5.
180000
M-C
160000
M-B
140000
M-M
Erro quadrático
120000
M-L
100000 M-S
80000 S-C
60000 S-B
40000 S-M
20000 S-L
0 S-S
10 5 2 1 0,5 0,25 0,2 0,1
Diferentes discretizaçoes
Analisando a figura 4.5, conclui-se que o tipo de discretização não afeta na seleção
dos tipos de agregação e desfuzificação, pois, para os diferentes tipos de discretização
a opção eleita sempre dá o mesmo resultado, opção 1 e 6 (para saber as diferentes
opções de agregação e desfuzificação pode-se ver a tabela 3.3)..
9
M-C
8
M-B
Variação máxima
7
M-M
6
5 M-L
4 M-S
3 S-C
2 S-B
1 S-M
0 S-L
10 5 2 1 0,5 0,25 0,2 0,1 S-S
Diferentes discretizações
4.1.2.2
INFLUENCIA DO NÚMERO DE CONJUNTOS FUZZY
12
10
8
Variação máxima
(i-2)*8+j-1
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63
Diferentes conjuntos fuzzy
Discretização com:
Figura 4.7: Seleção do SLF em função da quantidade de conjuntos fuzzy das variáveis
lingüísticas de entrada e do resultado da variação máxima.
A figura 4.7 mostra que a tendência da variação máxima para discretização igual a
um é a mesma para discretizações iguais a 0.2, 0.25, 0.5 e 2, portanto, pode-se
considerar que não existe a influência do tipo de discretização usada na seleção do
122
4.2
MODELOS PROPOSTOS PARA FUZIFICAR O MODELO MUHLBAUER
4.2.1
PRIMEIRO MODELO – SLF GENÉRICO
PUC-Rio - Certificação Digital Nº 9925055/CA
Nas tabelas 4.1 e 4.2 apresentam-se todos os SLF (33 total) com suas respectivas
variáveis de entradas e saída segundo os esquemas estabelecidos para os quatro
índices de dano e o FIV que serão usados para avaliar o Risco.
Dos 33 SLF, 28 SLFs são do tipo soma (S), isto é, os SLF se aproximarão da função
soma, três são do tipo multiplicação (M) e duas aproximarão aos resultados de uma
tabela (T).
PUC-Rio - Certificação Digital Nº 9925055/CA
será modificado para generalizar sua análise a mais de duas variáveis lingüísticas de
entrada. Na figura 4.8 apresenta-se a interface do aplicativo modificado.
PUC-Rio - Certificação Digital Nº 9925055/CA
variáveis que estão relacionadas por meio de uma divisão, poderão ser relacionadas
por meio da multiplicação, tal como explicado em 4.1.1. A quarta caixa branca serve
para informar a discretização ao usar cada variável xi, enquanto que a quantidade de
conjuntos fuzzy definidos para cada variável lingüística de entrada são estabelecidos
na quinta caixa branca. Nela, uma representação do tipo [4 4 4 4] significará que as
quatro variáveis lingüísticas terão quatro conjuntos fuzzy. A sexta, sétima e oitava
caixas brancas servem para definir o tipo de agregação, desfuzificação e o tipo de
gerador de regras. Nesta última, limitou-se à técnica de gerador de regras pelo valores
máximo dos conjuntos fuzzy, tal como exposto em 3.3.2.1. Este aplicativo apresenta
também os resultados do erro quadrático e do erro quadrático médio, além do SLF
baseados nas informações dadas nas seis caixas mencionados acima, tal como
apresentado na figura 4.9.
PUC-Rio - Certificação Digital Nº 9925055/CA
Com este aplicativo é possível analisar cada um dos 33 SLF (ver figura 4.11, A1, A2,
A3, A4 e A5) variando a quantidade de variáveis lingüísticas de entrada e seus
SLF com nome condição do revestimento (detalhe A figura 4.11). Na figura 4.9, X1,
X2, X3 e X4 representam as variáveis: qualidade, aplicação, inspeção e correção de
defeito do revestimento respectivamente, enquanto a soma representa a variável
índice da condição do revestimento. Na figura 4.8, apresentam-se os resultados do
erro quadrático e o erro quadrático médio obtido da comparação do SLF gerado pelo
aplicativo (figura 4.9) e os resultados gerados pelo método Muhlbauer.
127
PUC-Rio - Certificação Digital Nº 9925055/CA
Detalhe A
Figura 4.11: Primeiro modelo proposto para avaliar o Risco por corrosão.
129
ÍNDICE DE CORROSÃO
Nome do SLF Tipo Nomes das variáveis de entradas Nome da
variável de Saída
Condição do S Qualidade do revestimento Condição do
revestimento (CTE) Aplicação do revestimento revestimento
Inspeção do revestimento
Correção de defeitos do revestimento
Testes dirigidos S Distância entre testes Testes dirigidos
Freqüência de leitura
Prevenção de CTE S Proteção catódica Prevenção (Corrosão
(Corrosão de Condição do revestimento de Tubulação
Tubulação enterrada) Testes dirigidos enterrada)
Estudo de casos especiais
Última inspeção com PIGS
Atributos de CTE S Corrosividade do solo Atributos (Corrosão de
Idade do sistema Tubulação enterrada)
Fluxo de corrente
Interferência de AC
Efeitos da corrosão mecânica
PUC-Rio - Certificação Digital Nº 9925055/CA
Programa
Manutenção S Manutenção
Procedimento
Construção
Índice de operações Projeto
S Índice de operações incorretas
incorretas Operação
Manutenção
ÍNDICE DE DANO POR TERCEIROS
Profundidade da terra na tubulação
Proteção de duto enterrado S Proteção da tubulação enterrada
Outros mecanismos de proteção
Proteção da tubulação enterrada ou
submergida
Atributos S Atributos
Nível de atividade
Facilidade de ocorrer acidentes
Sistema de uma chamada
Prevenção S Condição de linha reta Atributos
Freqüência de vigilância
Atributos
Índice de dano por terceiros S Índice de dano por terceiros
Prevenção
FATOR IMPACTO DE VAZAMENTO
Inflamabilidade
Perigo imediato do produto S Reatividade Perigo imediato do produto
Toxicidade
Perigo imediato do produto
Perigo do produto S Perigo do produto total
Perigo crônico
Quantidade do produto vazado
Dispersão do produto vazado M Dispersão do produto vazado
Nível de população
Perigo total
Fator impacto de vazamento M FIV
Dispersão
AVALIAÇÃO DO RISCO
Índice de dano por corrosão
Índice de dano por projeto
Soma de índices S Soma de índices
Índice de dano por operações incorretas
Índice de dano por terceiros
Soma de índices
Risco M Risco
Fator impacto de vazamento
Tabela 4.2: SLF do primeiro modelo propost0 para avaliar o Risco (continuação da tabela 4.1)
131
4.2.1.1
RESULTADOS DO PRIMEIRO MODELO
Os resultados para selecionar o tipo de agregação e desfuzificação para cada SLF das
tabelas 4.1 e 4.2 são apresentados na tabela 4.3. Nela, observa-se que cada SLF
escolhem diferentes tipos de agregação e desfuzificação, nos quais predominam a
segunda e a sétima opção (ver tabela 3.3 para maiores informações sobre as opções).
Também, se observa que na maioria dos 33 SLFs, a opção selecionada, tanto pelo
critério do erro quadrático quanto ao critério da variação máxima são os mesmos.
Neste primeiro modelo se escolherá o tipo de agregação e desfuzificação, para os 33
SLF, segundo o critério do menor erro quadrático. Assim, os resultados da tabela 4.3
servirão para gerar o primeiro modelo com base nos esquemas apresentados em 4.2.1.
PUC-Rio - Certificação Digital Nº 9925055/CA
Os resultados das figuras 4.12 e 4.13, foram obtidos a partir de uma base de 1000
dados, eleitos aleatoriamente dentro do domínio permitido para cada uma das 66
variáveis que o Muhlbauer considera para avaliar o Risco. Destas figuras, observa-se
que a diferença média entre os resultados do modelo Muhlbauer e do primeiro
modelo é aproximadamente igual a sessenta unidades, sendo que a variação máxima
132
ÍNDICE DE CORROSÃO
Nome do sistema fuzzy Opção selecionada segundo o Opção selecionada segundo o
critério do menor erro critério da menor variação
quadrático máxima
Condição do revestimento (CTE) S-C S-C
Testes dirigidos S-B S-B
Prevenção (Corrosão de Tubulação M-B M-B
enterrada)
Atributos (Corrosão de tubulação S-B S-B
enterrada)
Ambiente S-M S-M
Efeitos da corrosão mecânica M-L S-C
Índice de corrosão de tubulação enterrada S-B S-B
PUC-Rio - Certificação Digital Nº 9925055/CA
4.2.2
SEGUNDO MODELO – SLF PRECISO
Figura 4.14: Segundo modelo proposto para avaliar o Risco de dano por corrosão.
135
4.2.2.1
RESULTADOS DO SEGUNDO MODELO
Quantidade de Quantidade de
Tipo de Tipo de
conjuntos fuzzy conjuntos fuzzy
Nome do sistema fuzzy desfuzificaçã agregação
das variáveis de da variável de
o selecionada selecionada
entradas saída
Condição do B S 9,9 17
revestimento – CTE SF6
Testes B S 9,9 17
Dirigidos –SF3
Atributos – CTE SF20 C M 9,9 33
Prevenção – CTE SF12 C S 9,9 39
Ambiente SF9 C M 9,9 53
Efeitos da M M 9,8 5
Corrosão mecânica SF10
Condição do B S 9,9 17
Revestimento – CA SF17
Com os resultados das tabelas 4.4 e A10 pode-se implementar o segundo modelo
baseado nos esquemas das figuras 4.12, A11, A12, A13, A14 e A15. Nas figuras 4.15
e 4.16 apresentam-se os resultados do erro quadrático médio e a variação máxima
para os resultados dados pelo segundo modelo e modelo de Muhlbauer.
PUC-Rio - Certificação Digital Nº 9925055/CA
Figura 4.15: Resultado do erro quadrático Figura 4.16: Resultado da variação máxima
para o Modelo 2 para o Modelo 2
Os resultados destas figuras foram obtidos a partir de uma base de 1000 dados, eleitos
aleatoriamente dentro do domínio permitido para cada uma das 66 variáveis do
Muhlbauer.
Comparando os resultados apresentados nas figuras 4.15 e 4.16 (segundo modelo)
com as das figuras 4.12 e 4.13 (primeiro modelo), pode-se comentar o seguinte:
avaliações das variáveis podem ser definidas por meio de grandes quantidades de
conjuntos fuzzy, objetivando diminuir o e erro quadrático o a variação máxima.
Uma vantagem do segundo modelo sobre o primeiro é a facilidade de relacionar as
variáveis que influenciam no Risco, já que estas serão agrupadas em SLF que
somente tenham duas variáveis lingüísticas de entrada, enquanto, no primeiro modelo
existem SLF que relacionam até sete variáveis. Sem dúvida, para o analista de Risco
é mais fácil associar as diversas variáveis de duas em duas para obter uma
determinada resposta, do que associar todas as variáveis de uma só vez para obter a
mesma resposta.
4.2.3
TERCEIRO MODELO - APLICAÇÃO DE NÚMEROS FUZZY NA
PUC-Rio - Certificação Digital Nº 9925055/CA
O esquema da figura 4.17 indica que todas as variáveis dos quatro índices e do FIV
devem ser avaliadas mediante uma representação de números fuzzy, e através de
operações fuzzy de soma e divisão se obterá o valor do Risco, o qual será também um
número fuzzy. Mediante esta forma de representação, os valores numéricos presentes
no modelo Muhlbauer passam admitir uma incerteza. Esta incerteza depende do
engenheiro especialista avaliador do Risco e da própria resolução numérica que a
variável pode ter. Para incorporar esta incerteza no cálculo do valor do Risco,
utilizou-se a teoria de números fuzzy.
Figura 4.18: Interface gráfica para avaliar o Risco quando as variáveis do índice de dano por
corrosão são expressas mediante números fuzzy.
Da figura anterior, pode-se observar que quando as variáveis do índice de dano por
corrosão são dadas de forma determinística (valores da primeira coluna), o valor do
Risco por corrosão é igual a 5.6, no entanto, se fossem dados mediante números
140
4.3
DISCUSSÃO DOS TRÊS MODELOS PROPOSTOS
A principal contribuição desta tese está na apresentação dos três modelos explicados
anteriormente, além de apresentar o modelo de Muhlbauer.
PUC-Rio - Certificação Digital Nº 9925055/CA
quadrático, erro quadrático médio e variação máxima. No que diz respeito à forma de
avaliar o Risco, que é também uma divisão, sugere-se mantê-lo para seguir a
recomendação dada em [3].
Uma das principais vantagens deste primeiro modelo está na possibilidade de
modificar os diferentes SLFs, sem que iste signifique modificar os demais SLF. Cabe
ao analista de Risco definir a quantidade de SLF que deve ser considerada para
avaliar o Risco, além, de decidir quantas variáveis lingüísticas relacionar em cada
SLF. No entanto, recomenda-se que a quantidade não seja mais de quatro objetivando
facilitar a relação entre as variáveis.
Este primeiro modelo, baseado na lógica fuzzy, apresenta a vantagem de poder gerar
modelos de problemas, para os quais não existem modelos analíticos, ou de
apresentar modelos mais elegantes aos modelos existentes. Por exemplo, para avaliar
PUC-Rio - Certificação Digital Nº 9925055/CA
a corrosão interna, Muhlbauer realiza através da soma das pontuações das variáveis
de corrosividade do produto e tipo de proteção interna, enquanto a lógica fuzzy
permite avaliá-la mediante expressões do tipo: Se a corrosividade do produto é alta e
a proteção interna do duto é ineficiente, então, o Risco por corrosão interna é alto.
Como se pode observar, no modelo que considera regras do tipo SE-ENTÃO é mais
compreensível se comparada com a simples soma proposto por Muhlbauer. Ainda
mais, os SLF do primeiro modelo permitem incorporar outras variáveis que o analista
de Risco considere importante na avaliação do Risco, como por exemplo, a taxa de
corrosão da tubulação.
Uma tarefa que poderia melhorar os resultados apresentados pelo primeiro modelo é
o estabelecimento de alternativas para as variáveis que Muhlbauer não considera,
como por exemplo, na variável identificação do perigo, verificação dos materiais
usados, etc. Em todos eles, Muhlbauer somente define as pontuações mínimas, que
geralmente é igual a zero, e as pontuações máximas.
No que diz respeito ao segundo modelo, o qual pode ser considerado como uma
generalização do primeiro modelo, observa-se que os resultados são muito próximos
dos resultados gerados pelo modelo Muhlbauer, no entanto, o aumento das
quantidades de conjuntos fuzzy para as variáveis lingüísticas de entrada nos SLF,
torna difícil a interpretação das regras fuzzy, já que o aumento da quantidade de
142
conjuntos fuzzy faz com que este modelo perca a generalidade que tinha o primeiro
modelo.
O segundo modelo somente considera SLF com duas variáveis lingüísticas de
entrada, o que limita a análise de SLF com três ou mais variáveis lingüísticas, como é
o caso da avaliação do perigo do produto com base nas variáveis inflamabilidade,
reatividade e toxicidade.
Contudo, o objetivo principal de apresentar o segundo modelo, foi mostrar a
possibilidade de obter os mesmos resultados que gera o modelo Muhlbauer mediante
a lógica fuzzy.
Para finalizar a discussão, surge a necessidade de realizar estudos para quantificar o
custo realizado nas atividades preventivas, por exemplo, quanto custa a prevenção de
dano por terceiros, operações incorretas, etc. Além disso, é necessário saber o tempo
PUC-Rio - Certificação Digital Nº 9925055/CA
que levaria para implementar uma determinada medida preventiva, assim, como o
benefício esperado e as formas de controle. Com isto pretende-se chamar a atenção da
comunidade interessada na indústria de tubulações para a necessidade de ter um
programa integral de analise de Risco, ou também conhecido como Gerenciamento
do Risco, como solução real na prevenção dos acidentes nos sistemas de tubulação.
No que diz respeito ao terceiro modelo, por basear-se em operações fuzzy do tipo
soma e divisão, são menos genéricos comparados ao primeiro e segundo modelo, já
que quando o valor do intervalo de confiança é igual a um, o resultado gerado pelo
terceiro modelo é similar ao modelo dado por Muhlbauer. No entanto, este modelo
permite introduzir intervalo de incertezas sobre avaliações do tipo determinísticos nas
avaliações das variáveis consideradas por Muhlbauer. A variação do intervalo de
incertezas est definida pelo tipo de número fuzzy usado para representar a incerteza
da variável avaliada e o intervalo de confiança.
A introdução dos intervalos de incertezas nas avaliações determinísticas podem
também, ser realizadas nos dois primeiros modelos, como observado na segunda parte
do aplicativo explicado em 3.3.2, a qual foi aplicada para duas variáveis de entrada.
No caso de análise de Risco mediante o modelo Muhlabuer, o aplicativo deveria ser
estendido para 66 variáveis, o que levaria a necessidade de um tempo computacional
143
4.4
INTERFACE GRÁFICA PARA O INGRESSO DE INFORMAÇÕES DOS
TRÊS MODELOS PROPOSTOS PARA AVALIAR O RISCO DE DANO POR
CORROSÃO
corrosão.
Detalhe D
Figura 4.19: Visualização da interface utilizada para o ingresso de informação necessária para avaliar o
Risco por corrosão segundo o primeiro, segundo e terceiro modelo proposto.
Com estes valores os resultados dados pela interface gráfica são os Risco por
corrosão avaliado mediante primeiro (detalhe B), segundo (detalhe C) e terceiro
modelo (detalhe D), além do modelo Muhlbauer (detalhe A). O resultado do terceiro
modelo é expresso na forma de um gráfico (linha de cor azul na figura 4.19),
enquanto nos outros modelos são por números quantitativos. Uma análise mais
detalhada dos valores numéricos apresentados na figura 4.19 será realizada no
seguinte capítulo, no qual serão analisados quatro casos de estudos mencionados na
referência [15].
5
ESTUDOS DE CASOS
Duto
características
A-G B-A C-A X-B
Idade (anos) 16 13 13 1
Vida útil (anos) 40 20 20 20
PUC-Rio - Certificação Digital Nº 9925055/CA
5.1
ANÁLISE DE RISCO DO DUTO A-G
Da figura 5.2, observa-se que o resultado final do FIV para o duto A-G é de 11
pontos. Com isto, o valor do Risco flutuará no intervalo [0, 36.36]. Ele, será igual a
zero quando a soma de índices for igual a zero, e será igual a 36.36 quando a soma de
índices for igual a 400.
Este intervalo pequeno de flutuação do valor do Risco deve-se principalmente ao alto
valor do FIV, o qual é influenciado pelas características do produto transportado, que
é petróleo, e do meio que o rodeia, classificado como classe 1. A referência [78]
menciona que para petróleo que contém H2S as pontuações de inflamabilidade,
reatividade e toxicidade, dadas pela NFPA (Associação Americana de Proteção de
Fogo) são 3, 0 e 2 respectivamente, e a pontuação do perigo crônico para o petróleo,
recomendado por Muhlbauer, é igual a 6, com isto, a pontuação total do perigo do
produto é igual a 11 (3+0+2+6). Cabe mencionar que o resultado do perigo de
PUC-Rio - Certificação Digital Nº 9925055/CA
duto A-G leva consigo desde o início de sua operação ate o momento que deixar de
funcionar.
Uma forma razoável de evitar que a pontuação do FIV seja fixa é modificar a forma
como o Muhlbauer calcula o FIV (expressão 2.3). Esta modificação baseia-se no
raciocínio de que ações mitigadoras podem influenciar na pontuação da variável
vazamento do produto, por exemplo, o fechamento automático de válvulas, detectores
de vazamentos, etc. Com isto, quanto maior a quantidade de ações mitigadoras para
evitar o vazamento do produto, maior será a pontuação da variável vazamento do
produto, o que resultaria em uma diminuição no valor do FIV e por conseqüência o
intervalo de valores do Risco aumentaria. No modelo Muhlbauer a influência do
fechamento automático de válvulas é avaliado no índice do dano por operações
incorretas.
PUC-Rio - Certificação Digital Nº 9925055/CA
Resultado
Soma de índices 234
FIV 11
Risco por danos de terceiros 4.6
Risco por dano de corrosão 5.6
Risco por dano de projeto 3.5
Risco por dano de operações 7.5
incorretas
Risco total 21.3
Tabela 5.2: Resultados do Risco para o trecho A-G (1)
Desta figura, observa-se que o Risco por operações incorretas é a que mais influencia
no Risco total. A primeira opção para diminuir o Risco poderia ser a realização de
ações mitigadoras sobre este índice. No entanto, a figura 5.4 mostra que é
recomendável realizar tarefas que diminuam o índice de danos por terceiros.
Na figura 5.4, a barra de cor verde indica o valor do índice de prevenção utilizada no
duto A-G e a barra escura indica o valor máximo possível que pode ser atingido.
Assim, a diferença entre estas duas, indicará o que pode ser feito para diminuir o
Risco. Na figura 5.4 observa-se que no índice de dano por terceiros existe uma maior
possibilidade de realizar ações objetivando diminuir o Risco se comparada com a
realização das tarefas do índice de operações incorretas. Assim, tarefas como o
aumento da freqüência de vigilância a uma vez por semana (atualmente considera-se
que o duto tem vigilância de pelo menos uma vez ao mês) aumentaria a pontuação em
4 pontos. A realização dos programas de conscientização pública com encontros de
uma vez ao ano, programa de comunicação regular com a comunidade e contato porta
a porta, aumentaria a pontuação em sete pontos, etc.
PUC-Rio - Certificação Digital Nº 9925055/CA
O resultado do Risco total igual a 21.3, obtido na tabela 5.2, pode ser interpretado de
duas formas.
Na primeira forma, observar-se que o resultado do Risco igual a 21.3 não está longe
do limite superior do intervalo de valores que o Risco pode assumir que é de [0,
36.36], e como mencionado anteriormente, este limite superior é obtido para a melhor
pontuação da soma de índices, que é de 400 e com um valor para FIV igual a 11.
Considerando que a pontuação do FIV é um valor fixo desde o início da operação do
duto, o nível do Risco será definido pelo nível da soma de índices. Assim, com base
na pontuação soma de índices, que no duto A-G é igual a 234, que representa mais do
50% da pontuação máxima possível, pode ser interpretado como de nível médio,
então o resultado do Risco igual a 21.3 pode-se considerar também como de nível
médio.
do FIV igual a 11, o nível de Risco para o duto A-G será sempre de nível alto,
independente do valor da soma de índices, inclusive para um valor de índice igual a
400.
Destas duas opções de analisar os resultados dados na tabela 5.2, a primeira realiza
uma análise de variação nos níveis de Risco baseado somente na variação nos
resultados da soma de índices, enquanto, na segunda forma, a variação de níveis de
Risco é baseados nas variações dos valores da soma de índices e do FIV. Com isto, o
analista de Risco deverá decidir qual das duas gerará mais confiança nos resultados.
Para o mesmo duto AG, Pezzi [15] relata que mediante a aplicação do software IAP
da BASS TRIGON obtém um nível de Risco alto, enquanto de acordo com as
PUC-Rio - Certificação Digital Nº 9925055/CA
Destes cinco resultados, o nível de Risco apresentado pelo software IAP acredita-se
que seja o resultado mais próximo da realidade para o duto AG, já que a metodologia
do IAP é reconhecida a nível internacional por numerosas empresas operadoras de
dutos. Considerando o exposto, o resultado que mais se aproxima do fornecido pelo
IAP é dado pela matriz de Risco da figura 2.6, no entanto, apesar de existir
coincidências nos resultados para o nível de Risco, estas duas metodologias
apresentam algumas diferenças durante o procedimento de avaliação, como por
153
Toda a análise até agora realizada foi somente avaliada mediante o modelo
Muhlbauer, isto é, mediante as avaliações das expressões 2.1, 2.2 e 2.3 que consistem
em operações de soma e divisão. No entanto, no capítulo três e quatro desta tese,
introduziu-se a lógica fuzzy na avaliação do Risco em sistemas de tubulação
mediante a inferência Mamdani e a teoria dos números fuzzy objetivando incorporar
as incertezas das variáveis e/ou as regras do tipo SE-ENTÃO na solução do problema
do Risco. Sendo assim, na continuação destas análises se fará uma análise
considerando este tópico, e para facilitar a análise, se considerará somente o Risco
por corrosão. Isto significa, que somente se avaliarão as variáveis do índice de dano
por corrosão e do FIV. Sendo assim, se levará em consideração que o valor do índice
de dano por corrosão é igual a 62 pontos e que Risco por corrosão é igual a 5.6,
ambos obtidos pelo método Muhlbauer (ver tabela 5.2). Baseado nas informações das
figuras 5.1 e 5.2, a seguir se mencionarão as regras fuzzy que foram ativadas para
gerarem os valores da pontuação do índice de dano por corrosão e do FIV gerados
pelo primeiro modelo apresentado no capítulo quarto.
154
Com os valores iguais a três e nove das pontuações das variáveis corrosividade do
produto e proteção interna respectivamente, a pontuação da variável proteção interna,
gerada pelo SLF com nome Corrosão interna (ver figura 4.11 ou tabela 4.1) é igual a
12. Este resultado é obtido pela ativação da seguinte regra: Se corrosividade do
produto é medianamente corrosivo e proteção interna é dado por monitoramento
interno, injeção de inibidor e operações de medição, então, Risco por corrosão
interna é de nível regular. Neste caso, somente uma regra foi ativada das 40 que
existem no SLF.
Da realização destas duas análises de regras ativadas pelos SLF, observa-se que o
valor lingüístico medianamente corrosivo tem diferentes pontuações para a variável
ambiente e corrosividade do produto. Isto sucede, porque as duas variáveis
influenciam no Risco da mesma forma, promovendo a corrosão, no entanto, com
diferentes graus de influência.
Outra regra ativada com os dados da variável ambiente igual a quatro (obtido
anteriormente) e para a variável %MAOP (pressão de operação / MAOP) igual a 98
%, o resultado do efeito da corrosão mecânica é igual a um. A regra ativada neste
caso é: Se Ambiente e medianamente corrosivo e MAOP é plena operação, então, o
Efeito da corrosão mecânica é alto. Neste caso, observa-se que o valor % MAOP
igual a 98% encontra-se no limite do trabalho máximo permissível, caso esta se
reduza a 75 % o valor do efeito da corrosão mecânica aumentaria para 2, o que
significaria que o valor lingüístico da variável Efeito da corrosão mecânica seria de
médio - alto. Este SLF somente considera duas variáveis do tipo atributos, o que
significa que o seu valor lingüístico não pode ser alterado.
155
O SLF com nome Atributos da CA gera a pontuação igual 8.8, quando as pontuações
das variáveis localização da tubulação e tipo de atmosfera são iguais a 3 e 6
respectivamente. Neste, a regra ativada foi a: Se a localização do duto é boa e o tipo
de atmosfera é mais ou menos severo (alta umidade e alta temperatura), então, o
índice de atributos para corrosão atmosférica é médio.
Os dois seguintes SLF com nomes prevenção de CTE e atributos de CTE geram
resultados 26.4 e 8 respectivamente. Estes dois SLF têm 5 variáveis lingüísticas de
entrada, a primeira tem 360 regras e a segunda 960 regras fuzzy. O primeiro SLF
ativa 16 regras fuzzy para obter a resposta de 26.8, enquanto, a segunda ativa somente
uma regra fuzzy para obter o valor de oito.
Com os dados das figuras 5.1 e 5.2 para inflamabilidade (3 pontos), reatividade (zero
pontos) e toxicidade (dois pontos), o SLF com nome perigo imediato gera a
pontuação igual a 5. Com estes dados de entrada a regra fuzzy ativada é: Se
156
Em resumo, com 29 regras fuzzy ativadas, nos 16 SLF do primeiro modelo proposto
para avaliar o Risco por corrosão, segundo os dados para as variáveis do índice de
dano por corrosão e do FIV, o resultado gerado pelo primeiro modelo para o Risco
por corrosão é igual a 27.4, para o FIV o resultado foi igual a 6.6 e para soma de
índice por corrosão igual a 70. Comparando estes valores com os valores 5.63, 11 e
62 obtidos segundo o método Muhlbauer, pode-se observar um erro de 380%, 40% e
12% para o Risco por corrosão, FIV e soma de índice por corrosão respectivamente.
Com os mesmos dados de entrada, os resultados do Risco por corrosão, FIV e soma
de índices, gerados pelo segundo modelo composto por 25 SLF, são 7.3, 12.5 e 66.4
respectivamente, o que origina erros de 30%, 13% e 7%. Como se observa, os erros
no segundo modelo, são muito menores que no primeiro, no entanto, ele perde a
generalidade na análise do primeiro modelo, assim regras tipo: Se a localização do
duto é boa e o tipo de atmosfera é mais o menos severa, então, o índice de atributos
para corrosão atmosférica é media, serão substituídas por regras do tipo: Se a
localização do duto é Ai e o tipo de atmosfera é Bi, então, o índice de atributos para
corrosão atmosférica é Ci, no qual Ai, Bi e Ci são conjuntos fuzzy com difícil
interpretação lingüísticas.
157
Nas avaliações das variáveis do trecho A-G (figuras 5.1 e 5.2) algumas variáveis
podem estar rodeadas de incertezas, p. ex: a variável Interferência de AC avaliada
inicialmente com um valor de 4, pode-se assumir que esta variável alcance valores 3
ou 5. A incorporação desta incerteza faz com que o resultado do Risco seja
representado também mediante um valor com incerteza. Como caso de estudo, se
considerará que no duto A-G, as avaliações das variáveis: Interferência de AC,
Estudo de casos especiais, Produto da corrosividade e Perigo crônico apresentem
uma incerteza de ±1 nas suas avaliações. A influência no resultado do Risco depois
de incorporar estas incertezas apresenta-se na figura 5.6, linha vermelha, enquanto,
que a linha zul representa o valor do Risco sem as incertezas de ±1.
PUC-Rio - Certificação Digital Nº 9925055/CA
Da figura 5.6 pode-se observar, que na situação mais pessimista (quando o intervalo
de confiança igual a zero) o valor do Risco por corrosão, gerado pelo terceiro modelo,
encontra-se no intervalo [4.8, 6.5], e no caso mais otimista (quando o intervalo de
confiança é igual a 1) o valor do Risco coincide com o valor dado pelo método de
Muhlbauer. Assim, o resultado final gerado pelo terceiro modelo converge com o
resultado dado pelo modelo de Muhlbauer quando o intervalo de confiança alcançar o
valor de um. Esta convergência pode ser obtida também no primeiro modelo
158
A tabela 5.3, mostra que os resultados do segundo modelo são mais aproximados aos
resultados gerados pelo modelo Muhlbauer, se comparados ao primeiro modelo, tal
como mencionado no capítulo quatro. No que diz respeito ao terceiro modelo, a
tabela 5.3 indica os resultados para quando o intervalo de confiança é igual a zero
(α=0). Assim, na quarta fila da tabela 5.3 apresentam-se os resultados para o melhor
cenário (MC), isto é, quanto se tem o maior valor para a soma de índices e menor
valor para o FIV, já na sexta fila, apresenta-se os resultados para o pior cenário (PC).
No caso onde α fosse igual a 1, os resultados gerados pelo terceiro modelo
coincidiram com os gerados pelo Modelo Muhlbauer. Para obter os resultados
αeβ
baseados no terceiro modelo, considerou-se uma dispersão esquerda e direita (α
respectivamente da figura 3.30) iguais a 10% do valor meio “a” apresentado na figura
3.30.
Com os resultados da tabela 5.3, na figura 5.7 apresenta-se os níveis de Risco do duto
A-G obtido com base na matriz de Risco estabelecida na figura 2.6.
159
Figura 5.7: Níveis de Risco do duto A-G com base nos resultados dos
três modelos explicados nos capítulo quatro.
igual a médio alto. Sendo assim, ainda que os resultados da tabela 5.3 apresentem
diferentes resultados numéricos para os três modelos, estas indicam o mesmo nível de
Risco. No entanto, os resultados destes níveis podem ser diferentes se fosse utilizada
outra matriz de Risco, por exemplo, segundo a matriz de Risco apresentada na figura
2.7, os cinco resultados da tabela 5.3 indicam nível de Risco alto para o duto AG.
Na figura 5.8 apresenta-se uma comparação gráfica entre os resultados obtidos por
Pezzi [15] e os mostrados na figura 5.7.
Figura 5.8: Comparação entre os resultados do nível de Risco obtido por Pezzi [15], modelo
Muhlbuaer e os três modelos mencionados no capitulo quatro.
Considerando que o resultado obtido pelo IAP seja o resultado mais confiável, os
resultados do primeiro, segundo e terceiro (PS e MS) modelo são mais próximos ao
160
5.1.1
ANALISE DE BENEFICIO/CUSTO NO DUTO A-G
5.2, e os custos realizados nas atividades preventivas no duto A-G são apresentados
na figura 5.9.
Uma outra análise indica que com o mesmo investimento, de 62 UM, pode-se obter
um beneficio igual a 38 pontos, o que significa um aumento em 10 pontos. Isto é
obtido realizando inspeção com PIG e estudos de perda de potencial a cada ano ao
invés de investir na qualidade e aplicação do revestimento no duto.
Contudo, a alteração de algumas tarefas preventivas por outras tarefas produz uma
melhora no beneficio, no entanto, muitas vezes a análise de B/C não são realizados
nas empresas operadoras de dutos, pois, estas preferem realizar um alto investimento
econômico na execução das tarefas preventivas, a pagar multas provenientes de uma
falha no duto, que na maioria dos casso são muito elevados. Por exemplo, o
vazamento de quatro milhões de litros de óleo no Rio Iguaçu, no dia 16 de julho do
ano 2000, originaram as multas administrativas impostas pelo Instituto Ambiental do
Paraná (IAP), no valor de R$ 40 milhões, e pelo Instituto Brasileiro do Meio
PUC-Rio - Certificação Digital Nº 9925055/CA
5.1.2
CÁLCULO DO TEMPO DE INSPEÇÃO DEVIDO AO DANO POR
CORROSÃO EXTERNA
figura 2.15 obtêm-se um Risco igual a quatro, que representa um nível de médio alto.
Na figura 5.9 apresentam-se os resultados gerados pelo aplicativo.
Detalhe A
Detalhe B
PUC-Rio - Certificação Digital Nº 9925055/CA
Nesta figura, o primeiro gráfico gerado pelo aplicativo (detalhe A da figura 5.11)
indica que o duto AG pode operar em um Risco maior que 20, já que para Riscos
iguais a 20 e 25 a Pfd é maior ou igual que Pfc, enquanto, para os outros Risco (1, 2,
3, 4, 5, 6, 8, 9,10,12,15 e 16) a Pfd é menor a Pfc. Assim, o duto AG, que tem um
Risco igual a quatro, é impedido por ter sua Pfc maior que a Pfd (1.2 % maior a
5x10-6 %). Entretanto, se através da realização de ações preventivas no duto AG, o
Risco for modificado (de quatro para vinte, isto é, do ponto A ao A1 na figura 5.10),
permitirá que o duto continue a operar. Esta mudança de Risco implica uma alteração
do valor do FIV de 11 para 0.3, no entanto, como mencionado anteriormente, o FIV é
muito difícil de ser modificado, sendo assim, a única possibilidade de modificar o
164
Risco é mediante a alteração do valor da soma de índices de 36 para 48, tal como se
apresenta na figura 5.12 (do ponto A para A2). Esta modificação da soma de índices
fará com que o Risco mude de quatro para cinco, no entanto, será insuficiente por que
a que sua Pfc ainda é maior a Pfd (ver figura 5.11).
PUC-Rio - Certificação Digital Nº 9925055/CA
Figura 5.12: Matriz de Risco para o dano por corrosão no duto A-G enterrado.
tensão, meio agressor, histórico do duto e o tempo da última inspeção realizada, Com
estas avaliações e a inferência Mamdani da lógica fuzzy, Freire propõe um modelo
básico para a determinação da vida residual de um duto exposto a dano por corrosão
externa. As diferenças entre estes dois modelos, Kiefner (ver 2.6.1) e Freire [64], são:
no primeiro considera as informações sobre o defeito externo do duto e pressão de
operação, enquanto o segundo não a utiliza. No entanto, o segundo modelo considera
as variáveis do histórico da corrosão do duto e o tempo transcorrido da última
inspeção no duto que não são considerados no primeiro modelo. A influência destas
duas variáveis no cálculo da vida residual é melhor realizada mediante modelos
subjetivos, por exemplo, as regras do tipo SE-ENTÃO da lógica fuzzy, já que não
existe um procedimento estabelecido para realizá-lo mediante a modelos
quantitativos. Outra diferença entre estes dois modelos, é que o primeiro utiliza a
PUC-Rio - Certificação Digital Nº 9925055/CA
Na figura (5.13) observa-se que quando o tempo é igual a 32.2, a Pa (linha cor azul)
torna-se igual a Po (linha cor vermelha), o que significa que o duto AG já não deveria
continuar em operação. Menciona-se também que os resultados de Pa foram obtidos
para um fator de segurança, F, igual a um, sendo assim, outros valores para F
166
Nela (figura 5.14) observa-se que conforme aumenta o tempo aumenta também a
PUC-Rio - Certificação Digital Nº 9925055/CA
incerteza da Pa-Po. Por exemplo, após transcorrido um tempo de 32.2 anos o duto
AG estará no limite de operação em segurança. No entanto, devido a incerteza de Pa
e Po, o duto pode já estar operando na área de falha. O resultado gráfico da figura
5.14 foi obtido supondo um coeficiente de variação para todas as variáveis
independentes igual a 10% do valor médio, isto, por que na referência [15] não se
menciona nenhuma informação acerca das incertezas. Na figura 5.15 apresenta-se a
função densidade das variáveis aleatórias do tipo normal Po (linha vermelha) e Pa
(linha azul).
Esta figura indica que o aumento de pressão da operação (Po) de treze para quinze
MPa no duto AG origina uma brusca diminuição da vida residual. Por outro lado, o
aumento da pressão de operação de 4.2 a 12 MPa reduz a vida residual de 32.2 para
aproximadamente 30 anos, Isto permite ter uma grande possibilidade para escolher
Po sem ocasionar o aumento do Risco de falha do duto. Esta gráfica mostra que não é
PUC-Rio - Certificação Digital Nº 9925055/CA
Figura 5.17: Função de densidade acumulada e função de densidade da variável aleatória vida residual.
5.2
ANÁLISE DE RISCO DO DUTO B-A, C-A e X-B
FIV 11 22 5.5 11
Risco Total 23.3 11.8 49.6 21.3
Tabela 5.4: Resultados de Risco para os quatro trechos.
Dos resultados da tabela 5.4 observa-se que o resultado do FIV para os trechos C-A e
X-B são diferentes dos resultados dos trechos B-A e A-G. Isto ocorre por que o
trecho C-A tem uma classe de população nível dois e o trecho X-B apresenta uma
pontuação para a variável quantidade do produto vazado igual a dois, enquanto que os
trechos B-A e A-G apresentam uma classe de população nível um e uma pontuação
para a variável quantidade do produto vazado igual a um.
Considerando o valor do Risco, quando a soma de índices for igual a 400, como o
melhor caso (tabelas 5.5), na tabela 5.6 apresentam-se os resultados do Risco de cada
trecho dividido pelo resultado do melhor caso (tabela 5.5, coluna quatro).
Dos resultados da tabela 5.6 observa-se que os quatro trechos apresentam valores
similares para R (R= Risco obtido/Risco no melhor caso) apesar de existir uma
grande diferença nos resultados para o Risco. O valor de R pode ser interpretado
como um parâmetro para definir o nível de Risco, sendo que, zero seria um Risco
muito alto e o valor de um seria Risco muito baixo. Assim, com os resultados obtidos
para R dos quatro trechos, pode-se concluir que os trechos apresentem nível médio.
No entanto, se a análise for feita considerando a figura 2.7 do capítulo dois, os quatro
trechos teriam o nível de Risco alto, já que os valores do FIV são maiores a um.
5.2.1
CÁLCULO DO TEMPO DE INSPEÇÃO DEVIDO AO DANO POR
CORROSÃO EXTERNA NOS DUTOS B-A, C-A E X-B
Da tabela 5.7 conclui-se que o duto B-A e X-B deveriam deixar de operar, já que a
Pfc é maior a Pfd para os Riscos avaliados. No que diz respeito ao duto C-A, apesar
de possuir um Risco igual a quatro, pertencente ao nível alto, os resultados indicam
que pode continuar operando. No entanto, um programa de inspeção devem ser
programado para dentro de 0.16 anos. A aprovação da operacionalidade do duto C-A
PUC-Rio - Certificação Digital Nº 9925055/CA
- O duto X-B não tem informação de espessura realizada por PIG, já que o seu
tempo de operação é de um ano. Sendo assim, a avaliação da espessura é
realizada através da taxa media de corrosão medida por CUPONS. Na referência
[15] indica que esta taxa média é igual a 3.44 mpy, no entanto, considerando que
a espessura do duto é de 5.5 mm, o tempo de vida remanescente seria de menos
de dois anos. Com isto, recomenda-se reavaliar a taxa de corrosão no duto A-G.
- No cálculo do fator de segurança do duto nos quatro trechos, Muhlbauer
recomenda avaliar a espessura do duto necessária para resistir a pressão interna e
mais outros carregamentos externos, por exemplo, o peso da terra que cobre ao
duto, tensões produzidas por mudanças de temperatura, etc. As avaliações
realizadas nos quatro trechos somente consideraram a espessura necessária para
suportar a pressão interna.
- No cálculo do Risco dos dutos B-A, C-A, X-B e A-G realizados na referência
[15], considerou-se, na análise de Risco, as conseqüências ambientais que
poderiam ocorrer pela ruptura de qualquer destes dutos. Neste trabalho não se
171
1- A ciência que estuda o Risco é ainda uma ciência em formação devido a não
existências de formas padronizadas para avaliar o efeito real que uma determinada
ação preventiva tem nos resultados finais do Risco. Sabe-se que a realização de
muitas ações preventivas diminuiria o Risco, no entanto, a quantificação desta
174
diminuição é realizada de acordo ao critério de cada analista de Risco. No
modelo de Muhlbauer esta é avaliada com base nos resultados entre 0 e 2000.
Outra forma de quantificar esta diminuição é apresentada nas figuras 2.5 e 2.7 do
capítulo dois, contudo, é possível estabelecer outras formas corretas que
possibilitariam quantificar o Risco.
2- O Risco é objetivo já que sua análise pode ser realizada na procura de um
resultado específico, por exemplo, Risco ambiental, Risco econômico, Risco por
corrosão, etc. No entanto, a maioria das metodologias tenta representar todos
estes resultados específicos em um resultado geral, e com base neste resultado
geral tomar decisões, como ocorre no resultado apresentado na metodologia de
Muhlbauer. Sem embargo, algumas vezes as informações contidas nos resultados
PUC-Rio - Certificação Digital Nº 9925055/CA
399-419, 1999.
[6] www.ntsb.gov
[7] Fu, B. et al.: “Methods for assessing corroded pipeline – review, validation and
recommendations”,
http://www.advanticatechinc.com/Library_Items/Technical_Papers/Papers
[8] S. Bonvinivi, et al.: " Risk analisys of hazardous materials transportation:
evaluating uncertainty by means of fuzzy logic", Journal of Hazardous Materials
62 (1998), pp. 59-74.
[9] A . B. Zolotukin, Use of Fuzzy Sets Theory in Qualitative and Quantitative Risk
Assessment SPE International Conference on health, Safety, and the enviroment
in Oil and Gas Exploration na d Production held in Stavanger, Norway, 26-28
Junho 2000
[10] Roberval Luna da Silva: " Avaliação da vida útil de instalações metálicas antigas
com base nos dados subjetivos de inspeção, Conferencia dobre tecnologia de
Equipamentos COTEQ 1999, pp. 30-33.
[11] W. G. de Ru: “Risk analysis modelling with the use of fuzzy logic”,
Computers &Security Vol. 15, No. 3 pp. 239-248, 1996 .
[12] Cláudio de Brito Garcia: “Avaliação Qualitativa de Riscos Através da Lógica
Fuzzy Associada à Técnica de Análise Preliminar de Perigos”, tese apresentada
ao curso de Pós-graduação em Engenharia Química da Universidade Federal de
179
Bahia como parte dos requisitos necessários para a obtenção do grau de mestre
em Ciências em Engenharia Química.
[13] Kenji Ikejima, Dan M. Frangopol: “Risk assessment for gas pipelines using
fuzzy sets”, Civil Engineer Systems, 1987. Vol. 4, pp:147-152
[14] Adrian A. Hopgood: “Intelligent Systems for Engineers and Scientist”, 2nd ed.
[15] Mario Pezzi Filho: “Aplicação de IBR, Inspeção Baseada Em Risco, a Oleodutos
Segundo O API 581 BRD Verificação de Consistência com as Práticas Usuais da
Indústria para Avaliação de Risco”, dissertação apresentada como requisito
parcial para obtenção do grau de Mestre pelo Programa de Pós-Graduação em
Engenharia Mecânica da PUC-Rio. Aprovada pela Comissão Examinadora
abaixo assinada.
[16] G. Spadoni et. al.: “A numerical procedure for assessing risks from road
transport of dangerous substances” Journal of Loss Prevenção in the Process
PUC-Rio - Certificação Digital Nº 9925055/CA
[24] Keith Hollaway: NTSB determines that New Mexico Pipeline Rupture and Fire
were caused by internal corrosion.
[25] http://www.uneptie.org/pc/apell/disasters/lists/cstransport.html
[26] http://ambicenter.com.br/petrobras20.htm
[27] http://ops.dot.gov/stats.htm
[28] Faisal I. Khan, S.A. Abbasi: “Major accidents in process industries and na
analysis of causes and consequences”, Journal of Loss Preventionin the Process
Industries 12 (1999) pp. 361 378.
[29] John L. Kennedy: "Oil and Gas pipeline fundamentals", PennWell Books,
second edition 1993.
[30] "Risk Based Inspection Base Resource Document", Publication 581-API,
Primeira edição 2000
[31] Faisal I. Khan, S. A. Abbasi : "Techniques and Methodologies for Risk analysis
PUC-Rio - Certificação Digital Nº 9925055/CA
ANEXO
Incorreto 0
A qualidade Bom 3
do programa Aceitável 2
de correção Ruim 1
de defeitos Incorreto 0
Todos os metais enterrados na vizinhança da tubulação são monitorados 3
Testes dirigidos são especificados numa distância de uma a duas milhas 1
Distância
e todas as interferências externas são monitoradas por testes dirigidos
entre testes
Testes dirigidos são especificados para mais de duas milhas, mas não 0
todas as interferências externas são monitoradas
Freqüência de Mais de dois vezes ao ano 3
leitura dos Dois vezes ao ano 2
testes Anualmente 1
Cada ano 8
Cada 2 anos 7
Cada 3 anos 6
Estudos de
Cada 4 anos 5
corte de
Cada 5 anos 4
intervalo
(anos) Cada 6 anos 3
Cada 7 anos 2
Cada 8 anos 1
Realizado cada mais de 8 anos 0
Inspeção realizada a cada ano 8
Inspeção realizada a cada 2 anos 7
Inspeção realizada a cada 3 anos 6
Ferramentas Inspeção realizada a cada 4 anos 5
de inspeção Inspeção realizada a cada 5 anos 4
interna Inspeção realizada a cada 6 anos 3
Inspeção realizada a cada 7 anos 2
Inspeção realizada a cada 8 anos 1
Inspeção realizada a cada mais de 8 anos 0
Tabela A2: Alternativas e pontuações das variáveis preventivas do Índice de dano por corrosão de
duto enterrado
186
Bom 3
Correção de defeitos do Aceitável 2
revestimento
Ruim 1
Incorreto 0
Entre água e ar 0
Cobertos 1
Isolados 2
Localização da tubulação Supports/hangers 2
Entre terra e ar 3
Outras exposições 4
Nenhuma 5
Múltiplas ocorrências -1
Química e marinha 0
Química e alta umidade 2
Tipo de atmosfera Marinha, pântano e costero 4
Alta umidade e alta temperatura 6
Química e baixa umidade 8
Baixa umidade 10
Tabela A5: Alternativas e pontuações das variáveis do Índice de dano por
corrosão atmosférica.
188
90 2
75 3
MAOP
50 4
25 5
10 6
5 7
< 1.1 0
Pr essão de teste
H= 1.11 – 1.25 5
MAOP
1.26 – 1.4 10
1.41 15
Teste a cada 4 anos 6
Tempo
Teste a cada 11 anos 0
t<1 -5
1 – 1.1 2
Fator de segurança da tubulação 1.11 – 1.2 5
espessura atual 1.21 – 1.4 9
t= 1.41 – 1.6 12
espessura requerida
1.61- 1.8 16
> 1.81 20
T<2 20
1.75 – 1.99 16
Fator de segurança do sistema de 1.50 – 1.74 12
Tubulação 1.25 – 1.49 8
Máxima pressão de permitida 1.1 – 1.24 5
T=
Máxima pressão de operação 1 – 1.1 0
<1 -10
Alta probabilidade de ocorrer 0
Baixa probabilidade de ocorrer 5
Dano potencial
Impossível 10
Tabela A6: Alternativas e pontuações das variáveis do Índice de dano por projeto
189
Árvores 4
Valas 3
Sinais 1
Amplamente conhecido pela comunidade 2
Sistema de uma chamada
Encontros com órgãos públicos reguladores 2
Apropriada reação a chamadas 5
Envio de correios 2
Encontros com inspetores públicos uma vez ao 2
ano
Encontros com as empresas escavadoras uma 2
vez ao ano
Programa de educação pública Programa regular educativo para grupos da 2
comunidade
Contato porta por porta 4
Envio de correios para as empresas escavadoras 2
Propagandas em publicações do contratante uma 1
vez por ano
Excelente 5
Condição de linha reta Bom 3
Regular 2
Ruim 0
Diário 15
4 dias por semana 12
3 dias por semana 10
2 dias por semana 8
Freqüência de vigilância
uma vez por semana 6
Menos de 4 vezes ao mês 4
Menos de 1 vez por mês 2
Nunca 0
Tabela A8: Alternativas e pontuações das variáveis do Índice de dano por terceiros
191
Quantidade de Quantidade de
Tipo de
Nome do sistema Tipo de desfuzificação conjuntos fuzzy conjuntos fuzzy
agregação
fuzzy selecionada das variáveis de da variável de
selecionada
entradas saída
SF24 L S 9,9 9
SF25 C S 9,9 25
SF26 B S 9,9 17
SF27 B S 7,9 21
SF28 C M 9,9 33
SF29 B S 7,9 21
SF30 B S 9,9 17
SF31 B S 9,9 17
SF32 C S 9,9 66
SF33 C M 9,9 51
SF34 B S 7,9 21
SF35 C M 9,9 41
SF36 C M 9,9 53
SF37 B M 7,8 21
SF38 B S 9,9 17
SF39 C M 9,9 53
PUC-Rio - Certificação Digital Nº 9925055/CA
SF40 B S 9,9 17
SF41 B S 9,9 17
SF42 B S 9,9 17
SF43 C M 9,9 33
SF44 C M 9,9 25
SF45 B M 9,9 39
SF46 C S 9,9 16
SF47 B S 9,9 17
SF48 B S 7,9 21
SF49 C M 9,9 73
SF50 B S 9,9 17
SF51 C M 9,9 25
SF52 C M 8,8 64
SF53 C M 9,9 39
SF54 C S 9,7 59
SF55 C M 7,8 56
SF56 C M 7,8 56
SF57 B M 7,8 21
SF58 B S 9,9 17
SF59 C M 9,9 17
SF60 C M 11,17 78
SF61 C S 9,9 25
SF62 C M 9,9 69
SF63 C M 11,17 78
SF64 B S 9,9 17
SF65 B S 9,9 17
SF66 B S 9,9 17
SF67 C M 17,11 78
Tabela A10: Resultados de selecionar o tipo de agregação, desfuzificação e a quantidade de conjuntos
fuzzy para as variáveis lingüísticas de entradas e saída dos SLF.
193
PUC-Rio - Certificação Digital Nº 9925055/CA
Figura A1: Fluxograma para a avaliação do índice de dano por terceiros segundo o modelo Muhlbauer
Figura A2: Fluxograma para a avaliação do índice de dano por projeto segundo o modelo Muhlbauer
194
PUC-Rio - Certificação Digital Nº 9925055/CA
Figura A3: Fluxograma para a avaliação do índice de dano por operações incorretas segundo o modelo
Muhlbauer
Figura A5: Fluxograma para a avaliação do Risco em sistemas de tubulação segundo o modelo Muhlbauer
196
PUC-Rio - Certificação Digital Nº 9925055/CA
Figura A8: Fluxograma para avaliar o índice de dano por operações incorretas segundo o primeiro modelo proposto.
198
PUC-Rio - Certificação Digital Nº 9925055/CA
Figura A9: Fluxograma para avaliar o FIV segundo o primeiro modelo proposto.
Figura A10: Fluxograma para o calcular o Risco em sistemas de tubulação segundo o primeiro modelo proposto.
199
PUC-Rio - Certificação Digital Nº 9925055/CA
Figura A11: Fluxograma para avaliar o índice de dano por terceiros para o segundo modelo proposto.
200
PUC-Rio - Certificação Digital Nº 9925055/CA
Figura A12: Fluxograma para avaliar o índice de dano por projeto para o segundo modelo proposto
201
PUC-Rio - Certificação Digital Nº 9925055/CA
Figura A13: Fluxograma para avaliar o índice de dano por operações incorretas para o
primeiro modelo proposto
202
Figura A14: Fluxograma para avaliar o FIV para o primeiro modelo proposto
PUC-Rio - Certificação Digital Nº 9925055/CA
Figura A15: Fluxograma para avaliar o Risco em sistemas de tubulação para o segundo modelo proposto.