Académique Documents
Professionnel Documents
Culture Documents
DO
RIO
DE
JANEIRO
COMO
PARTE
DOS
REQUISITOS
Aprovado por:
_____________________________________________
Prof. Ari Sauer Guimares, Dr. Sc.
_____________________________________________
Prof. Geraldo Bonorino Xexo, D.Sc.
_____________________________________________
Prof. Joo Marcos Alcoforado Rebello, Dr.Sc.
_____________________________________________
Prof. Carlos Nunes Cosenza, Ph.D.
_____________________________________________
Prof. Ricardo Tanscheit, Ph.D.
_____________________________________________
Prof. Mauricio Saldanha Motta, D. Sc.
ii
DEDICATRIA
iii
AGRADECIMENTOS
Aos meus pais pela razo da minha existncia, pelos ensinamentos, pela formao moral
e pelo incentivo especial nos ltimos 17 anos.
minha esposa, nen , pelo apoio, dedicao, ajuda, incentivo e, principalmente,
por todo o amor, carinho e pelo presente entregue durante esta longa jornada meu
filho Danilo Jess sem os quais seria impossvel concluir a presente tese.
Ao Prof. Ari Sauer pela pacincia, confiana e apoio durante todo o curso e pela
competncia na orientao da tese.
Ao Prof. Geraldo Xexo pela dedicao, amizade, competncia e atuao decisiva na
orientao da tese.
Ao Prof. Carlos Cosenza, pela valiosa colaborao e apoio durante a realizao da tese
Ao meu irmo Juan C Snchez Periche pelo apoio pessoal irrestrito.
Ao meu irmo Luiz Mamede Magalhes e sua famlia pelo apoio, amizade, pela
gentileza e participao.
Ao meu irmo Gustavo A. Bentez pelo constante apoio e ajuda durante esta jornada.
Ao meu amigo Manuel F. Rondn pela confiana, apoio e pela amizade.
Ao meu grande amigo Hlcio B. Mosciaro pela amizade e apoio em todo momento.
Aos meus queridos amigos Normita, Ochoa, Maritza, Rossilda, Papiti, Lubin, Ren
Sena, Harvey Cosenza, Ronaldo Pollis, Lcio Vasconcellos, Filiberto, Maria Elena e
Marcelo pela acolhida, sensibilidade e apoio nos momentos que precisei.
Aos especialistas Ronald Manfred, Humberto Campinho, Luiz Mamede, Ricardo
Teixeira, Paulo Csar Henriques, Jos Renato Henriques, Sergio Damasceno, Ricardo
Carneval, Fernando Verdasca e Luis Srgio pela participao decisiva.
Ao Diretor Superintendente do IBQN Wilson Paulucci Rodrigues e ao Diretor Tcnico
do IBQN Andr Luiz V. Da Costa e Silva pelo apoio.
Aos meus colegas do Departamento de Engenharia Nuclear, Instituto Superior de
Cincias e Tecnologias Nucleares em Havana (1987-88) pelo incentivo e a fora
proporcionada nos ltimos 17 anos.
Ao CNPQ pelo auxlio, ao meu governo e ao povo cubano por subsidiar meus estudos
iv
Abril 2004
Abril 2004
vi
INDICE
Dedicatria.......................................................................................................................iii
Agradecimentos................................................................................................................iv
Resumo..............................................................................................................................v
Abstract.............................................................................................................................vi
ndice...............................................................................................................................vii
Lista de siglas...................................................................................................................ix
I.- INTRODUO...........................................................................................................1
I.1.Justificativa da importncia do trabalho.......................................................................4
A situao no Brasil...........................................................................................................4
I.2.Objetivos......................................................................................................................6
II.-REVISO BIBLIOGRFICA.....................................................................................8
II.1.- Confiabilidade humana convencional......................................................................8
II.2.-Confiabilidade dos Ensaios No Destrutivos..........................................................21
II.3.- Confiabilidade humana fuzzy..................................................................................35
II.3.1.- Introduo Lgica fuzzy ...................................................................................35
II.3.2.- Conjuntos fuzzy...................................................................................................37
II.3.3.-Representao.......................................................................................................39
II.3.4.- Caractersticas......................................................................................................40
II.3.5.- Operaes............................................................................................................43
II.3.6.- Variveis lingsticas...........................................................................................46
II.3.7.- Operaes de agregao......................................................................................48
II.3.8.- Relao fuzzy.......................................................................................................50
II.3.9.- Nmeros fuzzy......................................................................................................51
vii
IV.- CONCLUSES.....................................................................................................131
VI.-BIBLIOGRAFIA....................................................................................................134
VII.- ANEXOS..............................................................................................................140
viii
.- dimetro
A.- Aprovado
AIR.- Instituto Americano de Pesquisa para o Armazenamento de Dados (American
Institute Research Data Store).
AIs.- Aes Inseguras (Action of Insecurity).
ASME.- Sociedade Americana de Engenheiros Mecnicos (American Society of
Mechanical Engineers)
ASEP.- Projeto de Avaliao de Seqncias de Acidentes (Accident Sequence
Evaluation Program).
ATHEANA.- Uma Tcnica para a Anlise do Erro Humano (A Technique for Human
Error Analysis).
CEC/JRC.- Centro da Comisso Europia/Centro de Pesquisa Conjunta (Center of the
European Comission/Joint Research Center).
CFP.- Probabilidade de Falha Cognitiva (Cognitive Failure Probability)
CPCs.- Condies de Desempenho Comum(Common Performance Conditions).
CREAM.- Mtodo de Anlise do Erro e da Confiabilidade Humana (.Cognitive
Reliability and Error Analysis Method).
CTSB.- Conselho Canadense para a Segurana no Transporte.
DC-001.- Procedimento para a Qualificao e Certificao de pessoal em ensaios no
destrutivos.
EFC.- Contexto de Induo ao Erro (Error Failure Context).
EN 473.-Norma europia para a Qualificao e Certificao de pessoal em ensaios no
destrutivos.
END.- Ensaio No Destrutivo.
ENIQ.- Engine Titanium Consortium
ix
xi
I. INTRODUO
O ensaio ultra-snico tem como objetivo a deteco de defeitos ou
descontinuidades internas, presentes nos mais variados tipos ou forma de materiais
ferrosos ou no ferrosos, metlicos e no metlicos. Muitas das vezes tais defeitos so
caractersticos do prprio processo de fabricao das peas ou do componente a ser
examinado como, por exemplo: bolhas de gs em fundidos, dupla laminao em
laminados, micro-trincas em forjados, incluses de escoria em unies soldadas e muitas
outras.
O feixe ultra-snico com caractersticas compatveis com a estrutura do
material a ser ensaiado, introduzido numa direo favorvel em relao
descontinuidade (interface), e, se for refletido por esta descontinuidade, ser mostrado
na tela do aparelho como um pico (eco). Simultaneamente, sensores adequados iro
detectar as reflexes provenientes do interior da pea examinada, localizando e
caracterizando essas descontinuidades. Algumas descontinuidades superficiais tambm
podem ser detectadas com este ensaio no destrutivo.
Existem vrios mtodos e tcnicas de inspeo, tais como mtodo pulso-eco,
mtodo por transparncia, mtodo por ressonncia, tcnica por contato, tcnica por
imerso, inspeo manual e inspeo automtica. Ao mesmo tempo, as informaes
obtidas nos sistemas de inspeo podem ser representadas por vrios tipos de
mostradores [1]. As abordagens neste trabalho referem-se ao mtodo pulso-eco,
tcnica por contato e inspeo manual.
No mtodo pulso-eco, o transdutor emite pulsos de energia ultra-snica, que
so introduzidos no material em intervalos regulares de tempo, atravs de um
acoplante. Se os pulsos encontram uma superfcie refletora, parte ou toda a energia
refletida e retorna ao transdutor, que converte as vibraes em energia eltrica e a
transforma em sinal na tela do aparelho. Tanto a quantidade de energia refletida como
o tempo decorrido entre a transmisso do pulso inicial e a recepo so medidos pelo
equipamento. Este processo de emisso e recepo de pulsos de energia ultra-snica
repetido para cada pulso sucessivo.
Com relao ao mtodo pulso-eco, temos os mostradores de sinais tipo A, tipo
B, tipo C e tipo P. O mostrador tipo A (A-scan display) (ver Figura I.1) aqui
apresentado mostra como as ondas ultrasnicas ao se propagar em um meio e encontrar
xii
xiii
Assim como todo ensaio no destrutivo (END), o exame ultra-snico possui limitaes
nas aplicaes que atentam contra esses nveis de confiabilidade.
Apesar de possuir vantagens, como o grande poder de penetrao, a alta
sensibilidade (detecta descontinuidades de 0.5 mm ou menores), a preciso maior do
que os outros ensaios, e de no requerer cuidados especiais de segurana ou quaisquer
acessrios para sua aplicao, apresenta como desvantagens a necessidade de uma
grande ateno, de pessoal qualificado e do uso de blocos padres e de referncia. Ou
seja, este tipo de ensaio requer grande conhecimento terico e experincia por parte do
inspetor. O fator humano tem grande importncia na localizao, avaliao do tamanho
e interpretao das descontinuidades encontradas.
A fim de melhorar a confiabilidade destes processos imprescindvel fazer um
estudo da confiabilidade humana. Historicamente o fator humano tem sido um item
importante nos acidentes tecnolgicos devido a falhas durante o projeto de
equipamentos, durante a calibrao, execuo e/ou interpretao de procedimentos orais
ou escritos, fatores organizacionais e, ainda, outras falhas. Mesmo assim, quando a
questo aumento de rendimentos e de elevao do fator operacional, geralmente as
estratgias de gesto priorizam a aplicao de recursos em estudos de confiabilidade de
equipamentos e de otimizao de processos atravs da automao em tempo real. De
forma geral so desenvolvidas estas linhas para depois se adaptar o homem ao processo
quando na realidade dever-se-ia pesquisar a confiabilidade humana para, na medida do
possvel adaptar o equipamento e o meio ambiente ao homem.
Os laboratrios de END que atuam no mercado de trabalho tm implementado
um Sistema de Gesto da Qualidade em correspondncia com os requisitos
estabelecidos na norma ISSO/IEC GUIA 25 [2] como expresso qualitativa das
necessidades dos clientes e como um dos requisitos da qualidade. Estes laboratrios
contam com inspetores altamente qualificados e treinados, equipamentos modernos e
procedimentos certificados para a execuo dos ensaios. Mesmo assim os inspetores
podem errar no momento de localizar, dimensionar e interpretar as descontinuidades.
Por qu o inspetor erra? o ensaio por ultra-som confivel ou no? Quo confivel ele
? No podemos garantir a qualidade do ensaio sem antes ter feito um estudo da
confiabilidade do sistema de inspeo e mais especificamente da confiabilidade
humana.
xiv
A situao no Brasil
No Brasil existe um Sistema Nacional de Qualificao e Certificao de Pessoal
ii.
iii.
iv.
v.
vi.
xvi
I.2 Objetivos
O objetivo principal do presente trabalho implementar a metodologia fuzzy de
anlise de confiabilidade humana de um sistema de inspeo por ultra-som. Duas
principais suposies so feitas na pesquisa:
i.
ii.
xviii
i.
ii.
xix
erros cognitivos podem ser a causa de uma omisso (uma tarefa ou parte da tarefa
que deveria ser executada, mas no foi) ou de uma comisso (uma tarefa ou parte da
tarefa que executada incorretamente), quando na realidade o erro cognitivo
acontece durante os processos de diagnoses (busca, classificao, interpretao,
tomada de decises, etc).
xx
v.
(II.1)
onde Wi refere-se a um fator de peso do i-th PSF para uma tarefa especfica.
Procedimento usado para o clculo de THERP [9]:
1. Coleo de informao relevante sobre a tarefa a executar.
2. Decomposio de tarefas em aes elementares.
3. Gerao da rvore de eventos (identificao de erros).
4. Assinao da taxa de erro bsica em dependncia do modo de erro.
xxi
Embora o mtodo THERP continuasse a ser identificado como a anlise mais genrica
durante este perodo, os pesquisadores comearam a perceber a necessidade de se
estabelecer um mtodo capaz de trabalhar com as falhas cognitivas, a saber, "a
diagnose".
As correlaes tempo-confiabilidade emergiram como uma medida de tempo (tempo
disponvel para diagnose). Elas so uma tcnica analtica para a quantificao da
probabilidade de erro humano utilizando a rvore de aes do operrio e os erros
cognitivos. Essas correlaes constituem uma curva de probabilidade de falha em
funo do tempo disponvel para executar determinada ao. As curvas so construdas
xxii
xxiii
regras requer-se certo processo de tomada de decises; por isso ao receber o estmulo
inicial, a informao recebida passa por um processo de integrao, processamento e
planejamento do que ser feito, isto , seleo do procedimento adequado para a
situao e sua execuo.
HANNAMAN e seus colegas tentaram combinar o esquema S-R-K com o
conceito de correlao tempo-confiabilidade [13], e propuseram um mtodo chamado
Confiabilidade Cognitiva Humana (HCR Human Cognitive Reliability). Este mtodo
considerava os trs tipos de comportamento humano: destreza, regras e conhecimento;
assim como trs fatores de incidncia no comportamento: experincia, stress e interao
homem - mquina.
P(t) = {[(t / To ) B] / C } A
(II.2)
onde,
P(t) Probabilidade de no resposta
t - tempo disponvel pelo operador
To - tempo meio para executar a tarefa.
A, B, C coeficientes segundo o tipo de comportamento.
To = To no min al (1 + K j )
Tipo de Comportamento
Destreza
1.2
0.7
0.409
Regras
0.9
0.6
0.601
Conhecimento
0.8
0.5
0.791
xxiv
Nvel
Kj
-0.22
0.00
0.44
0.44
0.28
potencial.
3.- Ativo. No emergncia.
0.00
1.- Excelente.
-0.22
mquina (K3)
2.- Boa.
0.00
3.- Aceitvel.
0.44
4.- Pobre.
0.78
0.92
ii.
iii.
iv.
v.
Avaliao da HEP usando como base dados empricos.(Ver Figura II. 3).
vi.
xxvi
xxvii
(II.3)
onde,
P ( EFCi) : probabilidade do contexto induzir ao erro.
P (AIjEFCi) : probabilidade de se realizar uma ao insegura no contexto de
induo ao erro.
P(REFCiAIjEij): probabilidade de no recuperao no contexto de induo ao
erro dada a ocorrncia da ao insegura e a existncia de uma evidncia adicional
(Eij) seguindo a ao insegura.
HOLLNAGEL [10] definiu as seguintes caractersticas de ATHEANA:
i.
ii.
iii.
iv.
i.
ii.
iii.
xxix
v.
vi.
vii.
falha cognitiva (CFP) para cada probabilidade de falha das funes cognitivas e,
em seguida avaliando-se os efeitos dos CPCs sobre os valores CFP nominais.
ii.
iii.
i.
ii.
iii.
iv.
xxxi
i.
ii.
iii.
xxxiii
xxxiv
onde,
TP a indicao positiva verdadeira,
TN a indicao negativa verdadeira,
FN a indicao negativa falsa e
FP a indicao positiva falsa (alarme falso).
Desta forma, tem-se que TP + FN = 100% e TN + FP = 100%. Estes quatro casos so os
possveis diagnsticos que respondem teoria de deteco do sinal [25].
Trabalhos apresentados em programas de pesquisas internacionais [26-29]
concluram que durante o diagnstico nos sistemas END vrios fatores tais como longas
horas de trabalho, ambiente de trabalho, capacidade inerente dos inspetores
(treinamento, nvel de escolaridade, qualificao, experincia), sistema de inspeo
aplicado e o tipo de procedimento influram na confiabilidade dos ensaios realizados.
Nos diferentes fruns internacionais sobre esta temtica, fica claro que no existe
uma verdade absoluta sobre como determinar a confiabilidade deste tipo de ensaio e
especialmente como quantificar os fatores humanos, embora exista uma variedade de
enfoques promissores que constituem um grande nmero de experincias: Program for
Inspection of Steel Components (PISC), Performance Demonstration Initiative (PDI),
European Network for Inspection Qualification (ENIQ), Engine Titanium Consortium
(ETC) e NORDEST.
xxxv
(II.4)
onde,
xxxvi
Figura II.8.- Uma representao grfica do conceito de Confiabilidade nos END [31].
ii.
iii.
iv.
A expresso (II.4) em seu modo geral foi expressa dentro de um enfoque de validao
modular (frmula II.5) feito por NOCKEMANN C.M no mesmo Workshop.
R = f (AP, HF)
(II.5)
xxxvii
Elemento
Material
Homogneo
Rudo (disperso)
Isotrpico
Atenuao
(absoro
disperso)
Superfcie Polida
Rugosidade superficial
Superfcie Plana
Curvatura da superfcie
Impedncia acstica
Velocidade acstica
Instrumento
Transdutor
Emprego de filtros
Tamanho efetivo
Comprimento de onda
Coeficientes de converso
Impedncia acstica
(material/stress),
Colocao do
planar e polida
planura.
No forado
Limite do foramento
Intervalos de exames
Manejo
Leitura esttica
transdutor
externo).
Algumas concluses especficas resultaram em um consenso para os
participantes do 1st European-American Workshop sobre Confiabilidade em END.
Foram identificadas de potencial importncias na confiabilidade dos sistemas de END
os seguintes itens:
xxxviii
automatizados.
-
seguidos e validados.
-
inspeo.
-
inspeo.
-
(II.6)
xl
Figura II.11.- ROC (Receiver Operating Characteristic) como uma curva de avaliao
da Confiabilidade dos Sistemas END.
Esta simples curva de ROC tem sido usada especialmente nos relatrios dos
resultados de demonstrao da capacidade para comparar mtodos de inspeo ou
avaliar os efeitos dos programas de treinamento.
Um mtodo de demonstrao do desempenho para aplicaes quantitativas
executado atravs de avaliaes da POD conduzidas pelas Foras Areas dos EUA para
satisfazer os requerimentos do Projeto de Integridade Estrutural de Engenharia (ENSIPEngine Structural Integrity Program). Amostras que contm defeitos em superfcies
representativas tm sido pesquisadas, inspecionadas e os resultados reportados de forma
xlii
xliii
as
concluses
do
2nd
American-European
Workshop
sobre
xliv
xlv
tempo reduzido. Alm disso, para uma avaliao qualitativa de custo - benefcio, os
processos de inspeo precisam de tcnicas confiveis de interpretao de dados
automatizados. Por isso, nos ltimos anos tm sido desenvolvidas algumas tcnicas
inteligentes que usam algoritmos de classificao automtica do defeito, esquemas de
reconhecimentos de padres, sistemas especialistas, sistemas hbridos e outros que
fazem uso da lgica fuzzy. As redes neurais artificiais so ferramentas potentes usadas
tambm para a classificao do defeitos. Estes mtodos permitem aproximar o inspetor
de uma melhor interpretao dos sinais, aumentando a confiabilidade da inspeo. Este
problema tem sido tratado por CORNWELL, LLATA, BETTAYEB e KUMUDHA [36,
37, 38, 39] entre outros.
As mais novas tendncias exprimem o atual estgio das metodologias empregadas em
confiabilidade humana, a saber:
-
POD nos END e sobre a lei de distribuio do tamanho do defeito, os problemas sobre a
avaliao da disponibilidade dos sistemas de END ainda no esto resolvidos. Como
avaliar o grau do defeito?, Como lidar corretamente com a incerteza do parmetro
defeito quando se avalia a confiabilidade das estruturas com diferentes medidas?,
Como tratar as incertezas das estruturas com diferentes direes de soldagem?. CHEN
[40] no seu trabalho considerou que possvel responder por meio da aplicao de
conceitos fuzzy avaliao da qualidade do grau do defeito.
xlvi
xlvii
x A, f (x) =1
f (x) =
x A, f (x) = 0
xU
(II.7)
xlviii
(II.8)
Esta uma das formas de representar o conjunto crisp. Outra forma definir uma
funo que retorne sim ou no para a certeza que tenhamos sobre um elemento
pertencer ou no ao conjunto A. Ela chamada de funo caracterstica. Uma funo A
seria :
1, para x A
A(x) =
0, parax A
(II.9)
xlix
Tomando como base o exemplo acima, na Figura II.16 podemos ver uma representao
do conjunto fuzzy quente. A funo de pertinncia quente associa o quanto a temperatura
considerada relevantemente quente. Podemos ter, por exemplo, as temperaturas 40,
50, e 60 com as pertinncias 0.2, 0.4 e 0.6 respectivamente.
II.3.3 Representao.
A={(x, A (x)) | x X}
(II.10)
(II.11)
li
x 1, x [1,2]
A(x)= 3 x, x [2,3]
0,
de outro mod o
(II.12)
Ainda outra forma utilizada dispor os pares de valores crisp e sua pertinncia
separados por barras (/).
(II.13)
A (x1) / x1
(II.14)
lii
II.3.4 Caractersticas.
(II.15)
(II.16)
liii
Os -cuts fazem parte de outro conceito importante dos conjuntos fuzzy. Por
vezes torna-se necessrio estabelecer limites de relevncia mnima para os quais um
conceito seja vlido [42], valores normalizados que, quando associados a um conjunto
fuzzy, modificam a sua pertinncia. Qualquer valor abaixo de -cut torna-se zero. Mais
formalmente, uma vez aplicado um -cut num conjunto fuzzy A tem-se:
( x), se ( x)
A=
se ( x) <
0,
(II.17)
liv
(II.18)
(II.19)
xX
lv
Quando o universo finito possvel medir o grau com que o conjunto fuzzy est
includo em outro conjunto fuzzy . Se A e B so dois conjuntos fuzzy diferentes ento o
grau de incluso do conjunto fuzzy A em B pode ser determinado atravs do modelo de
KOSKO [45]:
S(A,B) =
(II.20)
II.3.5.- Operaes.
lvi
Axioma 2a se B1(x) B2(x) implica que, (A(x), B1(x)) (A(x), B2(x)). Para
todo x X e igualmente,
Axioma 2b se B1(x) B2(x) implica que, (A(x), B1(x)) (A(x), B2(x)). Para
todo x X.
Existem alguns casos onde desejamos maior rigor na monotocidade das funes, em
funo disto, alguns autores [42,43] sugerem uma monotocidade estrita, considerando
tambm o limite inferior do intervalo:
lvii
Axioma 4a- ( (A(x), B(x)), C(x)) = (A(x), (B(x), C(x))), para todo x X
Axioma 4b- ( (A(x), B(x)), C(x)) = (A(x), (B(x), C(x))), para todo x X
Os operadores possuem um grupo de funes padro propostas por Zadeh (1965). Eles
so baseados em operadores de mximo e mnimo e atendem a um grupo de restries
padro, alm de ser a nica classe de funes idempotentes [41]. Alguns exemplos:
Padro:
(A(x), B(x)) = mn(A(x), B(x))
(A(x), B(x)) = mx(A(x), B(x))
(A(x)) = 1- (A(x),
lviii
A ( x ) quando B ( x ) = 0
lix
lx
m:T (X)
(II.21)
m(t)={u, T(u) | u X }
(II.22)
lxi
h: [0,1]n [0,1]
(II.23)
(II.24)
lxii
Desta forma, qualquer funo que esteja entre as funes de unio e interseo,
atende aos critrios axiomticos. Uma classe de funes que atende o critrio de
idempotncia a de funes de mdia, cuja sua forma genrica :
(II.25)
Podemos ver que quando =1, temos a mdia aritmtica, quando =2, temos o
valor mdio quadrtico e para = - 1 temos a mdia harmnica.
Existe uma outra classe de funes permitindo um maior ajuste entre as funes
de mximo e mnimo. So as OWA(Ordered Weighted Average), ou funo de mdia
ponderada, que definida por:
(II.26)
wi = [0,1] e
w =1
i =1
lxiii
f: X Y, onde,
1, y = f ( x )
R(x,y) =
0, y f ( x )
(II.27)
(II.28)
(II.29)
lxiv
Neste ponto, a teoria fuzzy nos permite definir um conjunto fuzzy prximo de
(Figura II.21), que permite expressar o grau de relevncia da temperatura com a
proximidade de seu valor central, levando assim em conta a informao de impreciso
de uma forma mais adequada.
Um valor de intervalo clssico [a,b] pode ser igualmente representado por uma
funo de pertinncia do tipo:
1 , se x [ a 1 , b ]
0 , se x [ a 1 , b ]
Esta funo pode ser estendida para definir um intervalo fuzzy (Figura II.23 e
Figura II.24).
lxvi
Vrios tipos de curvas so propostas na literatura [41, 42, 43]. Uma classe delas
so as curvas em forma de sino [42]. Um exemplo pode ser visto na Figura II.25.
Existem vrios tipos como a curva Beta, Gaussiana, e a curva PI [41]. Cada
curva tem uma caracterstica diferente, como por exemplo, a mudana de ponto de
inflexo ou largura. Este tem por finalidade melhor adaptar a curva ao conceito de
impreciso do nmero. Algumas curvas podem no ser simtricas [42].
i) A deve ser normal, ou seja, sup A =1. Isto pode ser facilmente compreendido se
considerarmos que um nmero fuzzy uma generalizao dos nmeros crisp, ou seja,
deve haver algum valor para o qual o grau de relevncia mantenha a propriedade
original do nmero crisp.
ii) A deve ser um intervalo fechado e convexo para todo -cut, (0,1]. Esta
propriedade impede contradio na interpretao do nmero fuzzy. Ao ser convexo, o
conjunto fuzzy converge para o mesmo valor com o crescimento da funo de
pertinncia, tanto pela direita, como pela esquerda.
lxvii
A ( x) L( x), para x [, a ]
R ( x), para x [b, ]
lxviii
( x a ) /(m a ), a x m,
(II.30)
lxix
de extenso. Uma operao aritmtica z qualquer entre dois operandos crisp x e y pode
ser escrita por z = f(x,y). Dados dois conjuntos fuzzy A e B, onde x A e y B, a
extenso fuzzy da funo f, pelo princpio da extenso fica:
Este mtodo muito dificultoso e na prtica acabamos usando o primeiro mtodo pelas
vantagens computacionais que tem.
II.3.11.- Defuzzificao
lxx
w
Rij =
j =1
* rij
(III.31)
w
j =1
onde wj so os pesos fuzzy dos atributos, rij o grau de atendimento de cada atributo
caracterstica avaliada e Rij o grau de atendimento do ambiente (tecnologia, ambiente,
inspetor, etc) a um padro determinado.
lxxi
lxxii
ii.
iii.
iv.
v.
Devemos entender que o tipo de incerteza tratado pela Estatstica difere daquele
tratado pela Lgica Fuzzy. Impreciso (ou incerteza) associada com a ocorrncia
futura de algum evento est ligada ao tratamento probabilstico. Impreciso
associada descrio de sistemas leva ao tratamento fuzzy, ou seja, o
conhecimento que possumos a respeito da estrutura interna do objeto em estudo
no suficiente para formularmos equaes (convencionais) precisas, por
exemplo.
vi.
lxxiii
vii.
lxxiv
lxxv
Fica claro ento que a teoria fuzzy essencial para anlise de confiabilidade,
tratamento de incertezas e determinao de variveis crticas numa inspeo.
lxxvi
Este captulo se inicia com a apresentao dos resultados obtidos nas investigaes
feitas sobre as avaliaes dos inspetores de END durante os exames de requalificao.
A partir deste levantamento de dados mostraremos a importncia do estudo da
confiabilidade humana durante a inspeo no destrutiva por ultra-som. A seguir se faz
uma avaliao do comportamento do sistema de ensaio atravs de especialistas. Com
ajuda deles conformado um modelo que representa o nvel de importncia que tm 59
fatores que influenciam no desempenho do inspetor, usando a lgica fuzzy como
ferramenta capaz de determinar o nvel de criticidade das variveis. Finalmente, na
seo apresentado um modelo fuzzy para determinar as probabilidades de falha em
que incurre o inspetor quando usa o procedimento de ensaio PR-011 [58].
lxxvii
lxxviii
A tabela III.1 mostra que existem operrios experientes e qualificados com nvel II
de ultra-som no mercado de trabalho que executam ensaios com probabilidades de
falso alarme muito elevado.
Avaliao do
DESCONTINUIDADES
lxxix
(subnvel) ensaio
(10 itens)
Existentes na
Relatadas
Relatadas
Existentes
pea de prova
como
inexistentes.
no
relatadas
existentes.
A (S2)
Satisfatrio.
B (S2)
Satisfatrio.
11
C (S2)
9 de 10 itens
12
12
Satisfatrios
D (S2)
Satisfatrio.
E (S2)
Satisfatrio.
F (S5)
Satisfatrio.
G (S5)
Satisfatrio.
H (S5)
9 de 10
Satisfatrios.
inspetores de nvel II e subnvel S2 envolvidos nas tcnicas de END por ultra-som. Eles
participaram de 4 ensaios, cada um como parte do exame prtico especfico para a
requalificao.
Um exame de qualificao do inspetor nvel I ou nvel II um exame
administrado por uma instituio nacional certificada ou por um pessoal qualificado
autorizado. O mesmo inclui um exame geral e um exame especfico para cada nvel de
competncia. O exame geral formado por um exame terico e um exame prtico. Trata
de aspetos gerais, mtodos e princpios de aplicao do END tipo ultra-som.
O exame especfico referente a um sistema com componentes, equipamentos,
procedimentos e tcnicas de ensaio comumente usados numa indstria particular. Este
exame envolve a demonstrao de conhecimentos referentes ao produto testado e cobre
lxxx
(S = Satisfatrio, N = No
lxxxi
lxxxii
Inspetor 2
Inspetor 3
Inspetor 4
Inspetor 5
E11 E21 E31 E41 E12 E22 E 32 E42 E13 E23 E33 E43 E14 E24 E34 E44 E15 E25 E35 E45
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
X12
X13
X14
X15
X16
X17
RES
NOTA 7.6
5.8
4.9
6.4
5.6
2.5
9.8
8.9
9.6
5.4 7.7
5.0
5.6
9.6
10.
9.6
3.8
9.7
6.3
2.7
67
Tabela III.3.- Resultados do exame prtico especfico (EPE) dos inspetores 6 a 10.
Inspetor 6
Inspetor 7
Inspetor 8
Inspetor 9
Inspetor 10
E16 E26 E36 E46 E17 E27 E 37 E47 E18 E28 E38 E48 E19 E29 E39 E49 E110 E210 E310 E410
X1
X2
X3
X4
X5
X6
68
X7
X8
X9
X10
X11
X12
X13
X14
X15
X16
X17
RES
NOTA 4.5
4.4
5.0
4.6 9.9
9.7
9.7
8.4
4.0
4.5 6.0
5.3
9.6
9.8
9.2
9.9
9.7
5.5
4.4
9.4
69
Inspetor 11
E111 E211 E311 E411
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
X12
X13
X14
X15
X16
70
X17
RES
3.0
4.3
2.3
NOTA 3.6
71
Das qualificaes obtidas durante a pesquisa num total de 748 avaliaes (11 inspetores,
44 ensaios, 17 itens avaliados por ensaio):
4%
72%
1
2
3
- 128 avaliaes corresponderam aos itens 10, 11, 12 e 13 constituindo 70,7 % das
avaliaes no satisfatrias. Delas, em 17,67 % dos ensaios, o nvel de resposta das
descontinuidades dado pelos inspetores foi incorreto (item 10); em 17,67 % dos ensaios
os inspetores dimensionaram incorretamente as descontinuidades encontradas (item 11);
no
encontraram
as
descontinuidades
existentes;
10
avaliaes
Itens
10
5
0
1
9 10 11 12 13 14 15 16 17
lxxiii
% de qualificae s
no s atisfatrias
Itens
itens 1, 2, 5, 6, 7, 16,17
item15
item4
Itens
item3
item14
item9
item8
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
Figura III.4.- Contribuio dos 17 itens Confiabilidade Total dos 44 ensaios (em %).
O aspecto mais importante deste estudo refere-se aos resultados obtidos nos 44 ensaios
realizados pelos 11 inspetores. Deste total:
lxxiv
De um total de 44 ensaios.
% de ensaios Aprovados (1)
% de ensaios Reprovados (2)
39%
1
2
61%
Conhece
mtodo
de
dimensionamento
do
comprimento
das
descontinuidades.
X31: Conhece o mtodo de dimensionamento da altura das descontinuidades.
X32: Sabe que precaues e providncias tomar quanto inspeo do metal da
base adjacente e solda.
X33: Sabe quais so as condies de superfcie requeridas para o ensaio.
X34: Sabe quais as informaes que o inspetor deve possuir antes de iniciar o
ensaio.
X35: Sabe quais descontinuidades devem ser registradas.
X36: Sabe aplicar corretamente um critrio de aceitao.
Na Figura III.6 est representada a distribuio percentual de avaliaes satisfatrias,
parcialmente satisfatrias e no satisfatrias. Segundo as qualificaes obtidas pelos 7
inspetores em cada um dos 19 itens (ver Tabela III.5), de um total de 133 avaliaes 87
foram qualificados de Satisfatrio (65 %) ; 20 avaliaes de Parcialmente Satisfatrio, o
que constitui 15 %, e 26 avaliaes de No Satisfatrio, o que representa 20 % de todas
as avaliaes. Trs inspetores (o 3, o 4 e o 8) aprovaram o ETE mas apresentaram
dificuldades no momento de fazer o EPE.
lxxvi
3
20%
1
2
2
15%
1
65%
ET3
ET4
ET5
ET6
ET8
X18
X19
X20
X21
X22
X23
X24
X25
X26
X27
X28
ETw
ET10 E T11
Xj
lxxvii
X29
X30
X31
X32
X33
X34
X35
X36
RES
NOTA
8.5
8.5
7.8
6.5
9.7
7.3
5.4
lxxviii
2.- A falha do sistema de inspeo resulta devido aos erros humanos. Outro defeito
inerente no sistema no considerado nesta anlise.
A primeira parte dividida em dez etapas, tem como objetivo utilizar uma verso
lxxix
Quarta etapa: Escolha dos termos lingsticos para avaliar os atributos de confiabilidade
humana.
lxxx
Stima etapa: Tratamento dos dados coletados dos especialistas na avaliao de cada
atributo de confiabilidade.
Esta etapa tem como objetivo avaliar a confiabilidade humana de diferentes inspetores,
tomando como referncia o conjunto fuzzy Padro de Qualidade do ensaio.
lxxxi
fuzzy do inspetor por ultra-som e avaliar a possibilidade de erro em que ele incorre
quando usa este procedimento.
Segunda etapa: Escolha dos termos lingsticos para avaliar as probabilidades de falha
do inspetor ante cada ao humana, o nvel de dependncia entre aes humanas, o nvel
de incerteza da estimao feita pelos nove especialistas e o grau de transtorno que
ocasiona uma falha humana, durante a execuo de um item, nos itens subseqentes do
procedimento.
Quarta etapa: Levantamento das opinies dos nove especialistas em termos lingsticos
sobre as probabilidades de falha do inspetor ante cada ao humana, o nvel de
dependncia entre aes humanas, o nvel de incerteza da estimao, e o grau de
transtorno que ocasiona uma falha humana, durante a execuo de um item, nos itens
subseqentes do procedimento.
lxxxii
Atravs de dois questionrios possvel fazer o levantamento dos dados fuzzy sobre
estes itens de interesse na construo da rvore de falhas fuzzy.
Stima etapa: Clculo da probabilidade de erro do inspetor para diferentes eventos topo.
lxxxiii
mquina. Com apoio destes foi criada uma lista de 59 fatores que so a sua vez atributos
de confiabilidade humana. (ver Tabela III.6).
No ensaio no destrutivo por ultra som, estes fatores criam uma situao em
que o erro humano possvel, ou seja a presena ou ausncia de aqueles que tm um
nvel de importncia maior para a confiabilidade humana se traduz em quantidade de
informao que pode constituir o contexto de induo ao erro , isto , a causa de uma
posterior evidencia de erro humano.
lxxxiv
PSFi
Atributo
PSFi
Atributo
Fatores externos
PSF30
Caractersticas da situao
PSF31
Mtodos de trabalho.
PSF1
Caracterstica arquitetnica.
PSF32
Polticas da gerncia.
PSF2
Caractersticas ambientais.
PSF3
Temperatura.
PSF33
PSF4
Umidade.
PSF34
PSF5
Qualidade do ar.
PSF35
PSF6
Iluminao.
PSF36
Motivao, atitude.
PSF7
Ruido.
PSF37
Estado emocional.
PSF8
Vibraes.
PSF38
PSF9
PSF39
PSF10
Horrio de trabalho/descanso
PSF11
Disponibilidade de equipamento
PSF40
PSF12
Organizao de plantes.
PSF41
PSF13
Estrutura da instituio.
PSF42
Velocidade de trabalho.
PSF14
PSF43
Carga de trabalho.
PSF15
Recompensas e reconhecimentos
PSF44
Risco de trabalho.
PSF45
PSF16
Requerimentos de preciso.
PSF46
Monotonia do trabalho.
PSF17
Relaes controle/display
PSF47
Perodos
Fatores internos
longo
de
vigilncia
sem
ocorrncias.
PSF18
Necessidades de interpretao.
PSF19
Necessidades de decises.
PSF20
Repetitividade.
PSF49
PSF21
Complexidade da tarefa.
PSF50
Fadiga.
PSF22
Necessidade de memria.
PSF51
No comodidade e dor.
PSF23
PSF52
Fome ou sede.
PSF24
PSF53
Temperatura do inspetor.
PSF25
PSF54
PSF26
Interfase homem-mquina.
PSF55
Aceleraes extremas.
PSF27
Desenho de aparelho.
PSF56
Constrio de movimentos.
PSF28
Ferramentas.
PSF57
Insuficincia de oxignio.
PSF58
PSF59
PSF29
PSF48
lxxxv
Fatores pessoais
Fatores ambientais
Fatores sociais
Contexto
Mecanismo
Cognitivo
lxxxvi
PEi =
(III.1)
m =1
lxxxvii
item
item
item
item
item
Item
item
item
tqip
item
pEi
0,091125
Esp A
1,4
0,75
0,9
0,8
0,9
5,75
Esp B
0,9
0,9
0,8
0,9
7,5
0,118859
0,131537
Esp C
1,5
0,9
0,9
8,3
2
0,124405
Esp D
1,7
0,75
0,5
0,9
7,85
7
0,111727
Esp E
1,5
0,75
0,9
0,9
7,05
4
0,117274
Esp F
0,9
0,9
0,6
7,4
2
0,085578
Esp G
0,9
0,5
0,5
0,9
0,6
5,4
4
0,139461
Esp I
2,2
0,6
8,8
2
0,080031
Esp J
0,9
0,75
0,9
0,6
0,9
5,05
Total
12
6,75
6,75
4,9
8,4
6,7
8,7
8,9
63,1
lxxxviii
Esp A
0,14
Esp B
0,12
Esp C
0,1
Esp D
0,08
Esp E
0,06
Esp F
0,04
Esp G
0,02
Esp I
Esp J
Quarta etapa: Escolha dos termos lingsticos para avaliar os atributos de confiabilidade
humana .
lxxxix
xc
Os termos lingsticos Ti, para i = 0,1,2,3 sero representados por nmeros fuzzy
normais triangulares positivos N(ai, mi, bi) do tipo L-R, que denotaro o grau de
importncia de cada atributo considerado. PEDRYCZ [70] estudou os conjuntos fuzzy
com funes de pertinncia tipo triangular e determinou que eles obedecem aos critrios
relevantes de otimizao porque ocorre uma equalizao da entropia.
Termo lingstico
Nmero fuzzy
Irrelevante
0,0
1,0
PC
2,0
Condicionante
3,0
CR
Crtico
Stima etapa: Tratamento dos dados coletados dos especialistas na avaliao de cada
atributo de confiabilidade.
xci
Para cada um dos 59 atributos de confiabilidade humana, foi usado o modelo de HSEIMEI-HSU e CHEN-TUNG-CHEN [71]:
7.1.- Clculo da rea de interseo das opinies fuzzy de cada dois especialistas (matriz
de interseo).
rea de interseo (AI) das opinies fuzzy = (min { i ( x) , j (x) }) dx
(III.2)
Fator
Fator
Fator
Pouco Fator
1,00
0,25
Fator Condicionante
0,25
1,00
0,25
0,25
1,00
0,25
Fator Irrelevante
0,25
1,00
7.2.- Clculo do rea total das opinies fuzzy de cada dois especialistas (matriz de rea
total).
xcii
(III.3)
Fator
Fator
Fator
Pouco Fator
1,00
1,25
1,50
1,00
Fator Condicionante
1,25
1,00
1,75
1,50
1,50
1,75
1,00
1,25
Fator Irrelevante
1,00
1,50
1,25
1,00
AI
=
MC =
AT
(min {
( x) , j (x) } ) dx
(max {
(III.4)
( x) , j (x) } ) dx
opin_2
opin_3 opin_n
opin_1
opin_2
opin_3
opin_n
xciii
1
* [(Ai/At)2i1 + (Ai/At)2i 2 + (Ai/At)2i 3 + ... + (Ai/At)2in ]
n 1
CRi =
(III.5)
CR = CR
i =1
(III.6)
CRk
GCRk =
(III.7)
CR
i =1
CCEk =
GCRk * PEk
n
( GCR * PE )
i
i =1
(III.8)
(CCE * i )
i =1
onde
(III.9)
especialistas.
EXEMPLO .
xciv
C D
E F
Cr Cr C Cr C Cr Cr C Cr
Na Tabela III.13 vemos como as opinies fuzzy dos especialistas so convertidas num
formato numrico usando os nmeros fuzzy (processo de fuzzificao).
Tabela III.13.- Termos lingsticos usados pelos especialistas na avaliao do atributo
Necessidades de interpretao levados a um formato numrico usando nmeros fuzzy
triangulares.
Especialistas
avaliadores
Nmeros fuzzy
a
rea de
0,50
0,50
1,00
0,50
1,00
0,50
0,50
1,00
0,50
7.1.- Clculo da rea de interseo das opinies fuzzy de cada dois especialistas (matriz
de interseo). Ver Figura III.10
rea de interseo (AI) das opinies fuzzy = (min { i ( x) , j (x) }) dx
x
xcv
Tabela III.14.- Matriz de interseo das opinies fuzzy dos especialistas sobre a
influencia do atributo Necessidades de interpretao na confiabilidade do inspetor.
Cr
Cr
Cr
Cr
Cr
Cr
Cr
0,25
0,25
0,25
Cr
0,25
0,25
0,25
0,25
0,25
0,25
0,25
0,25
0,25
0,25
C
Cr
C
0,25 0,25
1
0,25 0,25
0,25 0,25
1
0,25 0,25
Cr
0,25
0,25
0,25
Cr
0,25
0,25
0,25
0,25
0,25
0,25
0,25
0,25
C
Cr
0,25 0,25
1
0,25 0,25
1
7. 2.- Clculo do rea total das opinies fuzzy de cada dois especialistas.
rea Total (AT) das opinies fuzzy = (max { i ( x) , j (x) }) dx
x
xcvi
Tabela III.15.- Matriz de Unio das opinies fuzzy dos especialistas sobre a influencia
do atributo Necessidade de interpretao na confiabilidade do inspetor.
Cr
Cr
Cr
Cr
Cr
Cr
Cr
1,25
1,25
1,25
Cr
1,25
1,25
1,25
1,25
1,25
1,25
1,25
1,25
1,25
1,25
C
Cr
C
1,25 1,25
1
1,25 1,25
1,25 1,25
1
1,25 1,25
Cr
1,25
1,25
1,25
Cr
1,25
1,25
1,25
1,25
1,25
1,25
1,25
1,25
C
Cr
1,25 1,25
1
1,25 1,25
1
AI
=
MC =
AT
(min {
( x) , j (x) } ) dx
(max {
( x) , j (x) } ) dx
xcvii
Cr
Cr
Cr
Cr
Cr
Ep/EA Cr
0,2
0,2
0,2
Ep/EB Cr
0,2
0,2
0,2
0,2
0,2
0,2
0,2
0,2
0,2
0,2
0,2
0,2
0,2
0,2
0,2
0,2
0,2
0,2
0,2
0,2
0,2
Ep/Ej
Ep/EC
Ep/ED Cr
Ep/EE
Ep/EF Cr
Ep/EG Cr
0,2
0,2
0,2
0,2
0,2
0,2
0,2
0,2
0,2
0,2
0,2
0,2
Ep/EI
Ep/EJ Cr
CRi =
1
* [(Ai/At)2i1 + (Ai/At)2i 2 + (Ai/At)2i 3 + ... + (Ai/At)2in ]
n 1
CR1=
1
* [(1,00) 2 + (1,00) 2 + (0,2) 2 + (1,00)2 + (0,2) 2 + (1,00)2 + (1,00)2 + (0,2) 2 + (1,00) 2 ]
9 1
CR1=0,87
7.5.- Clculo da soma dos coeficientes de concordncia relativas.
n
CR = CR
i =1
xcviii
CR = 0,87 + 0,87 + 0,63 + 0,87 + 0,63 + 0,87 + 0,87 + 0,63 + 0,87 = 7,15
i =1
CRk
GCRk =
CR
i =1
CCEA =
GCRk * PEk
n
( GCR * PE )
i
i =1
de
concordncia
coeficiente
de
relativa
entre
consenso
Especialistas
CRi
GCRi CCEi
fuzzy
triangulares
(atributo
Necessidade de interpretao).
CCEi
Nmero fuzzy I
xcix
0,6364
0,089 0,107
0,6364
0,089 0,091
0,6364
0,089 0,113
i =1
lingstica feita pelos especialistas.O resultado da avaliao dado por que tambm
um nmero fuzzy triangular.
={[(0,102*2,00}+(0,133*2,00)+(0,107*1,00)+(0,139*2,00)+(0,091*1,00)+
+(0,131*2,00)+(0,096*2,00)+(0,113*1,00)+(0,089*2,00)];
[(0,102*3,00}+(0,133*3,00)+(0,107*2,00)+(0,139*3,00)+(0,091*2,00)+(0,131*3,00) +
(0,096*3,00)+(0,113*2,00)+(0,089*3,00)];
[(0,102*3,00}+(0,133*3,00)+(0,107*3,00)+(0,139*3,00)+(0,091*3,00)+(0,131*3,00) +
(0,096*3,00)+(0,113*3,00)+(0,089*3,00)]}.
= (1,68; 2,68; 3,0). Este nmero fuzzy triangular representado na figura III.12.
ci
cii
PSF
PSF
Caractersticas arquitetnicas.
Caractersticas ambientais
Temperatura.
Umidade.
da
fisiolgica.
Qualidade do ar.
Iluminao.
Ruido.
Vibraes.
No comodidade e dor.
psicolgico).
Horrio de trabalho/descanso
Disponibilidade
equipamento
Organizao de plantes.
Constrio de movimentos.
1
Estrutura da instituio.
Aes dos companheiros.
Recompensas
extrema.
0,93 1,93 2,81 0,65 Estado emocional.
e 0,58 1,58 2,45 0,53 Atitudes (Influencias da famlia).
reconhecimentos
96
Requerimentos de
preciso.
Relaes controle/display
com
grupo
Legenda:
trabalho.
1,38 2,38 3,0 0,80 Apario
repentina
da
psicolgica.
Necessidades de decises.
Repetitividade.
Complexidade da tarefa.
Necessidade de memria.
0,34 1,12 2,03 0,38 Ameaa de falhar, de perder o 1,70 2,70 3,0 0,91
(normalizado).
trabalho
97
Quanto mais perto esteja de 1 o grau de pertinncia do atributo maior ser a pertinncia
dele ao conjunto fuzzy Padro de Qualidade do Ensaio, ou seja, maior ser a
relevncia o importncia deste atributo para a qualidade e confiabilidade do ensaio.
Card() =
xX
A(x)
(III.10)
Card()=1+1+0,969+0,966+0,966+0,959+0,918+0,918+0,918+0,918+0,911+0,911+
+0,911+......+0,452+0,381+0,306 =44,059.
ii.)- A cardinalidade relativa do conjunto fuzzy Padro de Qualidade do Ensaio vai ser:
97
Cardinalidade relativa: || || =
xX
98
GPM Normal.
Atributo.
GPM Normal.
Atributo
GPM Normal.
2,94
Requerimentos de preciso
2,36
0,802
Estrutura da instituio
1,93
0,656
2,94
Constrio de movimentos
2,36
0,802
Aes do s companheiros
1,93
0,656
Necessidades de decises.
2,85
0,969
Estado emocional
2,35
0,799
1,92
0,653
Insuficincia de oxignio.
2,84
0,966
2,33
0,792
Qualidade do ar
1,88
0,639
Fadiga
2,84
0,966
Aceleraes extremas
2,29
0,778
Caractersticas ambientais
1,87
0,636
No comodidade e dor.
2,82
0,959
2,27
0,772
1,85
0,629
Velocidade de trabalho.
2,70
0,918
2,24
0,761
Umidade
1,80
0,612
Disponibilidade do equipamento
2,70
0,918
Temperatura ambiental
2,23
0,758
0,612
Experincia e preparao.
2,70
0,918
2,23
0,758
Iluminao
1,73
0,588
0,918
Fome ou sede
2,22
0,755
Recompensas e reconhecimentos
1,58
0,537
Carga de trabalho
2,68
0,911
Rudo
2,22
0,755
Complexidade da tarefa
1,56
0,530
Risco de trabalho
2,68
0,911
2,22
0,755
1,54
0,523
Necessidades de interpretao.
2,68
0,911
Organizao de plantes
2,21
0,751
Caractersticas arquitectnicas
1,45
0,493
2,59
0,881
Interfase homem-mquina
2,15
0,731
Ferramentas
1,44
0,489
2,58
0,877
Motivao, atitude
2,12
0,721
Polticas da gerncia
1,33
0,452
2,58
0,877
Mtodos de trabalho
2,10
0,714
Necessidade de memria
1,12
0,381
Temperatura do inspetor.
2,53
0,860
Repetitividade.
2,08
0,707
Desenho do aparelho
0,90
0,306
Horrio de trabalho/descanso.
2,40
0,816
0,7
2,39
0,812
2,06
0,7
Relaes controle/display
2,38
0,809
Vibraes
2,05
0,697
Legenda:
98
2,37
Distraes (devido a rudos, etc).
0,806
Monotonia do trabalho
1,93
0,656
99
iii.)- Alguns atributos apresentam o mesmo nvel de importncia fuzzy para o ensaio.
Eles tem o mesmo nvel de influencia ou relevncia na confiabilidade humana. Por
exemplo: O atributo Prtica atual do inspetor tem o mesmo nvel de importncia para
o ensaio quanto o atributo Uso dos procedimentos escritos; a sua vez os atributos
Velocidade do trabalho, Disponibilidade do equipamento, Experincia e
preparao anterior e a Ameaa de perder o trabalho tm o mesmo nvel de
importncia para o ensaio.
99
1ro.- Foram escolhidos 3 inspetores que trabalham em dois ambientes fsicos diferentes.
Dois deles trabalham na usina nuclear de Angra II e o outro trabalha numa plataforma
da Petrobrs. Os trs tm qualificao de nvel II.
2do.- Foram escolhidos cinco termos lingsticos nebulosos para avaliar os graus de
atendimento dos atributos de confiabilidade humana em diferentes ambientes fsicos:
timo, Bom, Regular, Ruim e Pssimo.
100
Na tabela III.21 aparece representado o grau de pertinncia mximo (GPM) para cada
um dos termos fuzzy.
1,0
Bom
0,8
Regular
0,6
Ruim
RU
0,4
Pssimo
0,2
101
4to.- Foi aplicado um questionrio aos trs inspetores (ver Anexo 3):
Cada termo fuzzy (pssimo, ruim, regular, bom e timo) vai ser representado por um
conjunto fuzzy., ele vai ser fuzzificado e convertido num formato numrico de fcil
entendimento pelo computador, como aparece na tabela III.23.
6to.- Defuzzificao.
w
Rij =
j =1
* rij
(II.31)
w
j =1
102
onde wj so os pesos fuzzy dos atributos, rij o grau de atendimento de cada atributo
nos ambientes fsicos estudados.
103
Tabela III.22.- Matriz de Oferta (comportamento dos PSFs em dois ambientes fsicos diferentes segundo a opinio de trs inspetores).
PSF
PSF
PSF
Caractersticas arquitetnicas.
Caractersticas ambientais
Monotonia do trabalho
Temperatura.
Umidade
Interfase homem-mquina
Qualidade do ar.
Desenho de aparelho
Iluminao.
Ferramentas.
RU
RU
Vibraes.
Horrio de trabalho/descanso
Disponibilidade de equipamento
RU
RU
RU
RU
Fadiga.
No comodidade e dor.
Fome ou sede.
Mtodos de trabalho.
Temperatura do inspetor.
RU
RU
Polticas da gerncia.
RU
RU
Aceleraes extremas.
RU
RU
Organizao de plantes.
Constrio de movimentos.
RU
RU
Estrutura da instituio.
Insuficincia de oxignio.
RU
RU
Motivao, atitude.
RU
RU
Estado emocional.
RU
RU
RU
Ruido.
Recompensas
reconhecimentos
Requerimentos de
preciso.
103
Relaes controle/display..
Apario
Necessidades de interpretao.
repentina
da
causa
psicolgica.
Legenda :
Necessidades de decises.
respectivamente.
Repetitividade.
Velocidade de trabalho.
Complexidade da tarefa.
Carga de trabalho.
Necessidade de memria
Risco de trabalho.
RU
Tabela III.23.- Vetor de pertinncias dos conjuntos fuzzy nos dois ambientes fsicos.
PSF
PSF
PSF
Caractersticas arquitetnicas.
0,8
0,8
0,8
0,8
0,4
0,8
0,4
Caractersticas ambientais
0,8
0,8
0,8
0,8
0,6
0,2
1,0
Temperatura.
0,8
0,8
0,8
0,8
0,4
0,4
0,4
Umidade
0,6
0,8
0,8
0,8
0,8
0,8
0,8
Qualidade do ar.
0,8
0,8
1,0
0,8
1,0
1,0
0,8
Iluminao.
0,8
0,8
0,6 Ferramentas.
0,8
0,8
0,8 Fadiga.
1,0
1,0
0,8
Ruido.
0,4
0,4
0,8
0,8
1,0
1,0
1,0
Vibraes.
0,6
0,6
0,8
0,8
1,0
1,0
1,0
104
1,0
1,0
1,0
0,8
0,4
0,4
1,0
Horrio de trabalho/descanso
0,8
0,8
1,0
1,0
0,4
0,4
0,6
Disponibilidade de equipamento
0,8
0,8
0,8
0,8
0,4
0,4
1,0
Organizao de plantes.
0,8
0,8
0,6
0,6
0,4
0,4
1,0
Estrutura da instituio.
0,8
0,8
0,8
0,8
0,4
0,4
1,0
0,8
0,8
0,8
0,8
0,4
0,4
1,0
e 0,2
0,2
0,8
0,8
0,4
0,4
0,4
0,8
0,8
0,6
0,6
0,8
0,8
0,8
0,8
0,8
1,0
1,0
0,8
1,0 Apario
causa 1,0
1,0
1,0
Recompensas
reconhecimentos
Requerimentos de
preciso.
Relaes controle/display..
Necessidades de interpretao.
repentina
da
psicolgica.
Legenda :
Necessidades de decises.
1,0
1,0
1,0
1,0
Repetitividade.
0,6
0,6
0,8
0,8
Complexidade da tarefa.
0,8
0,8
0,8
0,8
0,6
Necessidade de memria
0,8
0,8
0,8
0,8
0,4
105
Tabela III.24.- Representao dos pesos (P) dos PSFs e dos graus de atendimentos dos inspetores ao padro de qualidade do ensaio.
PSF
0,49 0,8
0,8
PSF
0,76 0,8
0,8
Caractersticas arquitetnicas.
PSF
0,8
0,4
trabalho)
Caractersticas ambientais
0,63 0,8
0,8
0,77 0,8
0,8
0,65 0,6
0,2
1,0
Temperatura.
0,75 0,8
0,8
0,8
0,65 0,4
0,4
0,4
Umidade.
0,61 0,6
0,8
0,73 0,8
0,8
0,80 0,8
0,8
0,8
Qualidade do ar.
0,63 0,8
0,8
0,30 1,0
0,8
0,87 1,0
1,0
0,8
Iluminao.
0,58 0,8
0,8
0,6 Ferramentas.
0,48 0,8
0,8
0,8 Fadiga.
0,96 1,0
1,0
0,8
Ruido.
0,75 0,4
0,4
0,8
0,8
0,95 1,0
1,0
1,0
Vibraes.
0,69 0,6
0,6
0,75 0,8
0,8
0,75 1,0
1,0
1,0
0,52 1,0
1,0
0,71 1,0
0,8
0,86 0,4
0,4
1,0
Horrio de trabalho/descanso
0,81 0,8
0,8
0,45 1,0
1,0
0,4
0,6
0,8
0,91 0,8
0,8
0,77 0,4
0,4
1,0
Organizao de plantes.
0,75 0,8
0,8
0,6
0,6
0,80 0,4
0,4
1,0
Estrutura da instituio.
0,65 0,8
0,8
0,75 0,8
0,8
0,96 0,4
0,4
1,0
0,65 0,8
0,8
0,72 0,8
0,8
0,81 0,4
0,4
1,0
e 0,53 0,2
0,2
0,79 0,8
0,8
0,70 0,4
0,4
0,4
Recompensas
reconhecimentos
105
Requerimentos de
0,80 0,8
0,8
0,79 0,6
0,6
0,8
0,80 0,8
0,8
0,8
1,0
1,0
1,0
preciso.
Relaes controle/display..
Grau de atendimento
trabalho.
0,91 1,0
0,8
Necessidades de interpretao.
1,0 Apario
repentina
da
psicolgica.
Necessidades de decises.
0,96 1,0
1,0
0,87 1,0
1,0
1,0
Repetitividade.
0,70 0,6
0,6
0,91 0,8
0,8
Complexidade da tarefa.
0,53 0,8
0,8
0,91 0,8
0,8
0,6
Necessidade de memria
0,38 0,8
0,8
0,91 0,8
0,8
0,4
Legenda:
106
S(A,B) =
(II.20)
+0,118+0,111+0,111+0,111+0,081+0,677+0,077+0,06+0+0+0,209+0,006+0,002+0,002
+0+0+0+0+0+0+0+0+0+0+0,151+0+0+0+0,107+0+0+0+0+0+0+0,253+0,039+0,236+
+0+0+0+0+0+0,13+0,123+0,093+0,089+0,052+0+0) = 0,8873
0,118+0,118+0,111+0,311+0,311+0,081+0,077+0,077+0+0+0,012+0,009+0+0+0+0,19
9+0++0+0+0+0,158+0+0+0+0+0+0+0+0+0+0+0+0+0+0,056+0,256+0,253+0+0,236+0
+0+0+0+0+0+0+0+0+0+0+0) = 0,895748
Nas Figuras III.19, III.20 e III.21 aparecem os grficos que representam quo includo
est o padro de qualidade do ensaio no desempenho dos inspetores 1, 2 e 3 em seus
respectivos ambientes fsicos.
106
1,2
Grau de pertinncia
Desempenho
Inspetor 1
0,8
Padro de
qualidade
0,6
0,4
0,2
0
1
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
1,2
Grau de pertinncia
Padro de
qualidade
0,8
Desempenho
Inspetor 2
0,6
0,4
0,2
0
1
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
107
1,2
Grau de pertinncia
0,8
Padro
qualidade
0,6
Desempenho
Inspetor 3
0,4
0,2
0
1
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
inspetor 3 do que nos outros dois inspetores. Com os resultados obtidos at aqui pode-se
concluir que o inspetor 3 o de melhor grau de desempenho, porque o que tem as
caractersticas do padro de qualidade melhor includas nele.(ver Tabela III.25).
Grau de
Inspetor
desempenho
de qualidade no inspetor
In_1.
0,742
0,8873
In_2
0,735
0,8871
In_3
0,793
0,8957
108
109
- Esmerilhamento
- Escovamento
- Lixamento
110
. Comprimento
16.1- Movimentar corretamente o cabeote para os lados at o sinal sumir
16.2- Mede a distncia entre os dois extremos.
16.3- Anotar
. Altura
16.4- Traar um perfil do feixe snico de 20 dB
16.5-Deslocar o cabeote pra frente e pra trs at coincidir as bordas das
descontinuidades (superior e inferior) com os bordes do feixe (inferior e superior)
16.6- Fazer uma leitura no aparelho
16.7- Mede distncia do cabeote a uma referncia
16.8- Fazer uma localizao grfica
111
Cada ao humana ou evento ter uma probabilidade de erro determinada e esta pode
ser vista como uma varivel lingstica, relacionada a um conjunto de termos
lingsticos, associada a funes de pertinncia.
Tabela III.26.- Nmeros fuzzy normais (a; m; b) para termos lingsticos representando
a varivel probabilidade de falha .
Grau de importncia Simbologia Termo lingstico
Nmero fuzzy
0,0
Zero
Zero
1,0
QZ
Quase Zero
2,0
MB
Muito Baixa
3,0
Baixa
4,0
Mod
Moderada
5,0
Alta
112
6,0
MA
Muito Alta
Tabela III.27.- Nmeros fuzzy normais (p; q; r) para termos lingsticos representando a
varivel nvel de dependncia entre tarefas.
Nmero fuzzy
0,0
Zero
Zero
1,0
Baixa
2,0
Mod
Moderada
3,0
Alta
4,0
Completa
Tabela III.28.- Nmeros fuzzy normais (s; t; u) para termos lingsticos representando a
varivel nvel de incerteza na estimao dos especialistas.
Nmero fuzzy
0,0
Baixo
1,0
Mod
Moderado
2,0
MqA
3,0
Alto
Grau de transtorno
Transtorno Crtico
1,0
Transtorno importante
0,8
Algum transtorno
0,6
113
Pouco transtorno
0,4
Nenhum transtorno
0,2
Neste trabalho foram usados sete termos que definem a granulao da incerteza
da varivel lingstica probabilidade de falha : muito alta (MA), alta (A), moderada
(Mod), baixa (B), muito baixa (MB), quase zero(QZ) e zero; alm de quatro termos para
expressar o nvel de incerteza: baixo, moderado, mais que alto, e alto; e cinco termos
para representar a dependncia entre eventos : completa (C), alta (A), moderada (Mod),
baixa (B) e zero.
115
116
Quarta etapa: Foi feito um levantamento de opinies fuzzy com os especialistas, com
relao s probabilidades de falha fuzzy , ao nvel de dependncia entre tarefas e ao grau
de transtorno que ocasiona uma falha humana nos itens subseqentes. Estas aparecem
nos Anexos 4, 5, 6, 7, 8 e 9.
117
Tabela III.30.- Avaliao de um especialista quanto s probabilidades de falha do inspetor no momento de executar um item do ensaio e quanto
ao nvel de dependncia entre a tarefa (i+1) e a tarefa (i). Itens 1 - 19.
Itens
Esp A
Itens
Esp A
Itens
Esp A
Itens
Esp A
Itens
Esp A
1.-
MB
3.-
Zero
9.7-
MB
15.-
Mod
17.1-
QZ
1.-
3.-
Zero
9.7-
15.-
Zero
17.1-
1.1
MB
4.-
MB
10.-.
Zero
15.1-
QZ
17.2-
QZ
1.1
4.-
Mod
10.-.
Zero
15.1-
17.2-
1.2
MB
5.-
QZ
11.-
Zero
15.2-
MB
17.3-
1.2
5.-
Zero
11.-
Zero
15.2-
17.3-
1.3
MB
6.-
QZ
11.1
QZ
15.3-
MB
17.4-
QZ
1.3
6.-
Zero
11.1
15.3-
17.4-
1.4
MB
7.-
QZ
11.2-
QZ
15.4-
QZ
18.-
QZ
1.4
7.-
Zero
11.2-
15.4-
18.-
1.5
MB
8.-
MB
12.-
QZ
16.-
18.1-
QZ
1.5
8.-
Zero
12.-
16.-
Zero
18.1-
1.6
MB
8.1-
QZ
13.-
QZ
Comprim
QZ
18.2-
QZ
1.6
8.1-
13.-
Zero
Comprim
18.2-
1.7
MB
8.2-
MB
13.1-
16.1-
QZ
19.-.
QZ
1.7
8.2-
13.1-
16.1-
19.-.
1.8
MB
8.3-
QZ
13.2-
16.2-
QZ
1.8
8.3-
13.2-
16.2-
2.-
MB
8.4-
MB
13.3-
16.3-
QZ
2.-
Zero
8.4-
13.3-
Zero
16.3-
2.1
MB
8.5-
QZ
13.4-
QZ
Altura
2.1
8.5-
Zero
13.4-
Altura
2.2
MB
8.6-
QZ
14.-
Mod
16.4-
2.2
8.6-
Zero
14.-
Zero
16.4-
2.3
MB
9.-
MB
14.1-
Mod
16.5-
2.3
Zero
9.-
14.1-
16.5-
2.4
MB
9.1-
Zero
14.2-
QZ
16.6-
MB
2.4
9.1-
14.2-
Zero
16.6-
2.5
MB
9.2-
Zero
14.3-
MB
16.7-
QZ
2.5
Zero
9.2-
14.3-
16.7-
2.6
MB
9.3-
14.4-
MB
16.8-
MB
2.6
9.3-
14.4-
16.8-
2.7
MB
9.4-
QZ
14.5-
16.9-
QZ
2.7
Zero
9.4-
14.5-
Zero
16.9-
2.8
MB
9.5-
Zero
14.6-
QZ
16.10-
QZ
2.8
9.5-
Zero
14.6-
16.10-
116
2.9
MB
9.6-
14.7-
QZ
17.-
2.9
9.6-
14.7-
17.-
Zero
117
Probabilidade de
Nvel de dependncia
fuzzy (p;q;r)
som.
1,98
2,98
3,98
1,76
2,76
3,76
0,03
1,03
2,75
3,66
4,66
0,01
0,09
1,09
2,10
3,02
4,02
2,6
3,6
3,8
1,41
2,35
3,35
0,82
1,79
2,54
1,16
2,11
3,11
0,32
1,09
1,98
1,30
2,24
3,24
0,11
0,94
1,94
2,50
3,50
4,50
1,02
1,96
2,73
2,33
3,33
4,33
2,1
3,1
3,55
2,59
3,53
4,53
0,1
0,25
1,25
1,91
2,85
3,86
2,52
3,49
3,88
1,85
2,85
3,85
2,93
3,93
3,96
pea.
8.- Determinar a sensibilidade
correta para a varredura.
9.- Determinar as perdas por
transferncia.
10.- Usar corretamente as tcnicas
de varredura.
11.- Determinar corretamente a rea
de varredura.
12.- Examinar corretamente a rea
de varredura.
117
2,86
3,86
4,86
2,02
2,99
3,71
3,69
4,69
5,27
0,58
0,87
1,73
3,33
4,33
5,09
2,78
3,76
3,93
3,46
4,46
5,46
2,52
3,49
3,87
3,61
4,61
5,18
0,04
0,89
1,89
2,03
3,03
4,03
2,97
3,97
3,98
2,01
3,01
4,01
2,97
3,97
3,98
no sentido longitudinal.
14.- Localizar as descontinuidades
no sentido transversal.
15.- Localizar as descontinuidades
na profundidade.
16.- Dimensionar as
descontinuidades.
17.- Avaliar as reflexes da raiz de
solda.
Probabilidade de
Nvel de dependncia
fuzzy (p;q;r)
som
0,33
0,497 0,66
0,29
0,46
0,63
0,46
0,61
em funo da espessura.
0,35
0,503 0,67
0,65
0,9
0,95
0,24
0,392 0,56
0,205
0,4475
0,635
0,19
0,352 0,52
0,08
0,2725
0,495
0,22
0,235
0,485
0,0075 0,2575
118
pea.
8.- Determinar a sensibilidade
correta para a varredura.
0,42
0,583 0,75
0,255
0,49
0,6825
0,39
0,555 0,72
0,525
0,775
0,8875
0,43
0,588 0,76
0,025
0,0625 0,3125
0,32
0,475 0,64
0,63
0,8725
0,97
0,31
0,99
0,48
0,643 0,81
0,505
0,7475 0,9275
0,62
0,782 0,88
0,145
0,2175 0,4325
0,56
0,722 0,85
0,695
0,58
0,743 0,91
0,63
0,8725 0,9675
solda.
0,6
0,768 0,86
0,01
0,2225 0,4725
0,34
0,995
0,34
0,995
0,94
0,9825
16.- Dimensionar as
descontinuidades.
17.- Avaliar as reflexes da raiz de
119
Ranking
1
0,98
0,95
0,92
0,82
0,78
0,75
0,74
0,71
0,70
0,64
0,64
0,63
aparelho.
12.- Examinar corretamente a rea de varredura.
0,60
0,60
0,58
aparelho.
5.- Escolher o cabeote e o ngulo.
0,50
0,47
0,44
Aplicando PARETO pode-se formular o seguinte: O 20% dos itens com maiores
possibilidades de erro humano so responsveis pelo 80% das falhas do sistema de
inspeo, ou seja, os 4 primeiros itens (Localizar as descontinuidades no sentido
transversal; Avaliar as reflexes da raiz de solda; Dimensionar as descontinuidades e
Localizar as descontinuidades na profundidade) so os que mais aportam s falhas do
sistema. Pode-se observar que estes itens esto relacionados com tarefas de busca,
classificao e interpretao, isto , com o mecanismo cognitivo do inspetor.
120
Nesta etapa foi elaborado tambm um questionrio (ver Anexo 9), com o
objetivo de medir o grau de transtorno que ocasiona a falha humana num item em outros
itens subseqentes do procedimento de ultra-som.
O grau de transtorno pode ser visto como uma varivel lingstica, relacionado a
um conjunto de termos lingsticos, associado a funes de pertinncia. Os termos que
definem a granulao da incerteza da varivel lingstica grau de transtorno so:
nenhum, pouco, algum, importante e crtico.
BUCKLEY [78] usou vrios mtodos para agregar as opinies individuais, por
exemplo, a mdia, a mediana, o operador max, o operador min e os operadores
misturados. Neste caso as opinies individuais dos especialistas foram agregadas
(operao com os nmeros fuzzy triangulares) atravs da mdia usando as frmulas
seguintes:
n
at =
a
j =1
tj
/n;
mt =
j =1
m tj / n
bt =
b
j =1
tj
/n ,
(III.11)
Com ajuda deste modelo obtivemos o grau de transtorno que ocasiona a falha num item
nos outros itens subseqentes (ver Tabelas III.34 e III.35). Quando a falha de um item
provoca certo grau de transtorno em outro item subseqente podemos dizer que existe
uma relao entre eles. Como esta relao ou associao pode ser representada como
graus de um conjunto de pertinncias vamos a estar em presena de um tipo de relao
fuzzy.
121
122
Tabela III.34.- Matriz de relao fuzzy correspondente aos graus de transtornos que ocasiona a falha num item nos itens subseqentes (influencia
dos itens 1 at 19 nos itens 1 at 10).
Itens
(0;0;0,2) (0;0;0,2)
(0,05;0,1;1,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(1;1;1)
(0;0;0,2)
(0;0;0,2) (0;0;0,2)
(1;1;1)
(0;0;0,2)
(1;1;1)
(0;0;0,2)
(1;1;1)
(0,55;0,75;0,9) (0,6;0,8;1)
(0,6;0,8;0,95)
(0,5;0,7;0,85)
(0,25;0,35;0,5) (0,35;0,5;0,65)
(0,75;0,95;1)
(0,65;0,85;1)
(0,25;0,35;0,5) (0,3;0,45;0,6)
10
(0;0;0,2)
(0;0;0,2)
(0,25;0,35;0,55)
(0,75;0,95;1)
(0,75;0,95;1)
(0,2;0,25;0,4)
(1;1;1)
(0,4;0,55;0,7)
(0,3;0,45;0,65)
(0,4;0,5;0,6)
(0,45;0,6;0,7)
(0,4;0,55;0,7)
(0;0;0,2)
(0;0;0,2)
(1;1;1)
(0,2;0,3;0,5)
(0,2;0,3;0,5)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(1;1;1)
(0,3;0,45;0,65)
(0,5;0,7;0,85)
(0,15;0,2;0,4)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(1;1;1)
(0,45;0,6;0,7)
(0,05;0,1;0,3)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(1;1;1)
(0;0;0,2)
10
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(1;1;1)
11
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
12
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
13
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
14
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
15
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
16
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
17
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0,25;0,35;0,55) (0,1;0,15;0,35)
121
18
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
19
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
Tabela III.35.- Matriz de relao fuzzy correspondente aos graus de transtornos que ocasiona a falha num item nos itens subseqentes (influencia
dos itens 1 at 19 nos itens 11 at 19).
11
12
13
14
15
16
17
18
19
(0,05;0,1;0,3)
(0,45;0,6;0,75)
(0,55;0,7;0,8)
(0,75;0,95;1)
(0,8;1;1)
(0,6;0,8;0,9)
(0,7;0,9;1)
(0,55;0,75;0,9)
(0,3;0,4;0,55)
(0;0;0,2)
(0,25;0,35;0,5)
(0,2;0,25;0,4)
(0,2;0,25;0,4)
(0,2;0,25;0,4)
(0,7;0,9;0,95)
(0,75;0,95;1)
(0,8;1;1)
(0,35;0,45;0,6)
3 (0,55;0,75;0,9)
(0,25;0,35;0,5)
(0,25;0,35;0,5) (0,45;0,6;0,7)
(0,45;0,6;0,7)
(0,25;0,35;0,5) (0,65;0,85;0,95)
(0,6;0,8;0,9)
(0,6;0,8;0,95)
(0,2;0,25;0,4)
(0,2;0,25;0,4)
(0,2;0,25;0,4)
(0,2;0,25;0,4)
(0,2;0,25;0,4)
(0,2;0,25;0,4)
(0,4;0,55;0,7)
(0,7;0,9;0,95)
(0,45;0,6;0,75)
(0,45;0,6;0,75)
(0,6;0,8;0,9)
(0,5;0,65;0,75)
(0,5;0,65;0,75) (0,45;0,6;0,75)
(0,5;0,7;0,8)
(0,7;0,9;1)
(0,55;0,75;0,85)
(0,3;0,45;0,6)
(0;0;0,2)
(0;0;0,2)
(0,1;0,15;0,35)
(0,1;0,15;0,35) (0,1;0,15;0,35)
(0,3;0,4;0,55)
(0,2;0,35;0,55)
(0,3;0,4;0,55)
(0,1;0,2;0,4)
(0,15;0,2;0,4)
(0,15;0,25;0,45) (0,15;0,25;0,45)
(0,25;0,4;0,6)
(0,3;0,45;0,65)
(0,4;0,6;0,8)
(0,25;0,4;0,6)
(0,25;0,4;0,6)
(0,1;0,15;0,35)
(0;0;0,2)
(0,35;0,45;0,6)
(0,4;0,55;0,7)
(0,45;0,6;0,75)
(0,4;0,55;0,7)
(0,45;0,6;0,8)
(0,7;0,9;0,95)
(0,3;0,4;0,55)
(0;0;0,2)
(0,4;0,5;0,6)
(0,15;0,2;0,4)
(0,4;0,5;0,6)
(0,4;0,55;0,75)
(0,8;1;1)
(0,25;0,35;0,45)
(0,4;0,55;0,7)
(0,15;0,2;0,4)
(0,15;0,2;0,4)
10 (0,25;0,35;0,45) (0,55;0,75;0,9)
(0,35;0,5;0,7)
(0,6;0,8;0,95)
(0,3;0,4;0,55)
(0,65;0,85;0,9)
(0,45;0,6;0,75)
(0,5;0,65;0,8)
(0,4;0,6;0,75)
11
(1;1;1)
(0,35;0,5;0,65)
122
12
(0;0;0,2)
(1;1;1)
(0,8;1;1)
(0,8;1;1)
(0,8;1;1)
(0,25;0,35;0,5)
(0,75;0,95;1)
(0,5;0,65;0,8)
(0,35;0,45;0,6)
13
(0;0;0,2)
(0;0;0,2)
(1;1;1)
(0;0;0,2)
(0,05;0,1;0,3)
(0,35;0,5;0,65)
(0,45;0,6;0,75)
(0,7;0,9;1)
(0,45;0,6;0,7)
14
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(1;1;1)
(0,25;0,35;0,5)
(0,5;0,7;0,85)
(0,55;0,75;0,85)
(0,75;0,95;1)
(0,45;0,6;0,7)
15
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(1;1;1)
(0,4;0,55;0,7)
(0,6;0,8;0,9)
(0,75;0,95;1)
(0,45;0,6;0,7)
16
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(1;1;1)
(0,5;0,65;0,75)
(0,75;0,95;1)
(0,55;0,7;0,8)
17
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(1;1;1)
(0,8;1;1)
(0,55;0,7;0,8)
18
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(1;1;1)
(0,65;0,85;0,95)
19
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(0;0;0,2)
(1;1;1)
123
Tabela III.36.- Grau de transtorno fuzzy ocasionado pela falha num item.
Item i
10
11
12
13
T 12-13 (0,8; 1; 1)
14
15
16
17
T 1-17 (0,7; 0,9; 1) ; T 2-17 (0,75; 0,95; 1) ; T 3-17 (0,65; 0,85; 0,95)
T 5-17 (0,7; 0,9; 1) ; T 12-17 (0,75; 0,95; 1) ; T 15-17 (0,6; 0,8; 0,9)
18
T 2-18 (0,8; 1; 1) ; T 3-18 (0,6; 0,8; 0,9) ; T 4-18 (0,7; 0,9; 0,95)
T 8-18 (0,7; 0,9; 0,95) ; T 9-18 (0,8; 1; 1) ; T 10-18 (0,6; 0,8; 0,95)
T 13-18 (0,7; 0,9; 1) ; T 14-18 (0,75; 0,95; 1) ; T 15-18 (0,75; 0,95; 1)
T 16-18 (0,75; 0,95; 1) ; T 17-18 (0,8; 1; 1)
123
19
124
no item 2.
no item 3.
no item 5.
no item 6.
Figura III.43.-
Combinaes de eventos
item 8.
item 9.
Figura III.46.-
Figura III.47.-Combinaes de
Figura III.48-Combinaes de
Combinaes de eventos
item 11.
item 12.
7.
10.
125
126
127
Figura III.56.- rvore de falha fuzzy com estrutura lgica tipo OR representando a combinao de eventos que podem ocasionar possveis falhas
humanas durante o ensaio.
127
(III.12)
onde, P1, P2 e Pn, so as probabilidades de falha humana durante a execuo dos itens
1,2n.
BOWLES em [82] empregou a equao III.12 e argumenta que pode ser analisada
tratando cada uma das probabilidades de falha como uma probabilidade fuzzy ou como
um valor lingstico.
De acordo com KAUFMANN e GUPTA em [83] as operaes aritmticas fuzzy de
subtrao e multiplicao de nmeros fuzzy triangulares podem ser expressadas como
segue:
Subtrao de nmeros fuzzy triangulares:
(1, 1, 1) (a2, b2, c2) = (1-c2, 1-b2, 1-a2)
(III.13)
(III.14)
128
no
sentido
longitudinal,
transversal
na
profundidade
129
130
Figura III.58- Probabilidade de falha do evento 14: Localizar as Figura III.59- Probabilidade de falha do evento 15: Localizar
descontinuidades no sentido transversal.
as descontinuidades na profundidade.
Figura III.60- Probabilidade de falha do evento 16: Dimensionar Figura III.61- Probabilidade de falha do evento 17: Avaliar as
as descontinuidades.
130
V.- CONCLUSES
132
Recomenda-se como continuao desse trabalho, fazer uma anlise mais aprofundada
nos itens do procedimento do ensaio por ultra-som relacionados com a localizao das
descontinuidades (no sentido longitudinal, transversal e na profundidade) e o
dimensionamento das mesmas, visando prever alteraes nas tarefas de modo que as
mesmas sejam menos suscetveis a falha humana.
O QIPE usado nesta tese um aspecto que deveria se estudar melhor com o objetivo de
responder a uma avaliao subjetiva dos especialistas mas consistente.pode ser melhor
trabalhado.
O aprofundamento da forma de extrao do conhecimento dos especialistas, a partir das
tcnicas de entrevista mais modernas poder ser o alvo de futuros trabalhos.
O estudo da probabilidade de erro humano durante a execuo do procedimento sob a
presena de determinados PSFs, permitir avaliar melhor a complexidade do sistema de
ensaio.
O modelo aqui proposto tambm pode ser adaptado para aplicao nos processos de
seleo e escolha de inspetores.
133
VI. BIBLIOGRAFIA.
134
15.- WHALLEY, S. P., The use of Human Reliability in Risk Studies, ABB Impel Ltd.
1983.
16.- EMBREY, D.E., Human Error, Sigtto Information Paper, N 8, 1990.
17.-KIM, I.S., Human reliability analysis in the man-machine interface design
review. Annals of Nuclear Energy, v. 28. pp.1069-1081., 2001.
18.- PROVAN, J.W., Probability fracture mechanics and reliability, Aeronautics
Industry Press. 1989.
19.- SILK, M.G., Flaw size distribution in pressure vessels and flaw detection
probabilities in NDT, British Journal of NDT, v. 33. n. 10. pp. 491-494, 1996.
20.- MARSHALL, W., An assessment of the integrity of PWR pressure vessels, First
report of a study group under the chairmanship of Dr. W. Marshall, London, 1976.
21.- DIMITRIJEVIC, V., et al, Flaw distribution and use of ISI data in PRV integrity
valuations, ASME PVP-v. .251. pp.75-80, 1993.
22.- NOCKEMANN, C., et al, Metric for Reliability Measurement with special focus
on Applications Parameters, In: 15 th WCNDT Roma , 2000.
23.-WAITES, C., et al, The Current Status of Performance Demonstration and
Evaluation Developments In: ECNDT, v. 3. n. 7, Copenhagen 26-29 May 1998.
24.- NOCKEMANN, C. M., et al, Strategies of Validation in General Testing
Compared to Experience in NDE In: EuropeanAmerican Workshop Determination of
Reliability and Validation Methods of NDE, June 18-20, Berlin, Germany, 1997.
25.- NOCKEMANN, C. M., et al, Reliability in NDT: Application of the ROC-Method
to Radiographic and Ultrasonic Testing In: ASNT Fall Conference, Chicago, IL, USA,
Paper Summaries, pp 244, 1992.
26.-AlEXIEV A I, MIHOVSKI M, Human Reliability in Ultrasonic Inspection In: 15
th WCNDT Roma 2000.
27.- NOCKEMANN, C. M., et al, Human Factors: The NDE Reliability of Routine
Radiographic Film Evaluation , In: 15 th WCNDT, Roma, 2000.
28.- HARRIS, D., Effect of Decision Making on Ultrasonic Examination Performance ,
TR-100412, EPRI, 1992.
135
29.- McGARTH, B., Programme For The Assesment of NDT in Industry, AEA
Technology, 1999.
30.- BITH, M et al Final results of the PISC III Round Robin Test on Steam
Generator Tube Inspection, In: First International Conference on NDE in Relation to
Structural Integrity for Nuclear and Pressurised Components, Amsterdam, Netherlands,
1998.
31.- NOCKEMANN, C. M., Basic Ideas of the American-European Workshops 1997
in Berlin and 1999 in Boulder, In: 15 th WCNDT, Roma, 2000.
32.- MATTEW, J. G., "Applications Parameters A definition and Their Role in NDE
Reliability In 15th WCNDT, Roma, 2000.
33.- CRUTZEN, S et al Compilation of NDE effectiveness data. Final issue., SINTAP
Task 3.4 Final Report, European Commission Joint Research Centre. March, 1999
34.- 2nd American-European Workshop on NDE Reliability, in Boulder, Colorado,
September 21-24, 1999
35.- STEPHENS, H. M., NDE Reliability Human Factors Basic Considerations In
15 th WCNDT, Roma, 2000.
36.- CORNWELL, I et al, Towards automated interpretation of ultrasonic NDT data
NDT&E International, v. 32, pp. 101-107., 1999.
37.- LLATA, J.R. et al, Fuzzy expert system with double knowledge base for
ultrasonic classification Expert Systems with Applications, v. 20, pp. 347-355., 2001.
38.- BETTAYEB, F., The Artificial Intelligence in Service of Ultrasonic Inspection
Reliability In: 15th WCNDT, Roma, 2000
39.- KUMUDHA, S. et al, Application Of Artificial Neural Network And Fuzzy Logic
For Nondestructive Testing In Machining. Trends in NDE Science & Technology;
Proceedings of the 14th World Conference on Non-Destructive Testing, New Delhi,.v.3,
pp. 1867 1870, 8-13 December 1996.
40.- CHEN, G. H., Study on the application of fuzzy theory to flaw quality category
assesment , Nondestructive testing, v. 20. n. 2, pp. 39-40, 1998.
41.-COX. E., The Fuzzy Systems Handbook. Boston: AP Professional, 1994.
136
42.- KLIR G.G., YUAN, B., Fuzzy Sets and Fuzzy Logic: Theory and Applications.
Upper Saddle River, New Jersey: Prentice Hall; 1995.
43- COX, E., Fuzzy Logic for bussiness and Industry 1994.
44.- COSENZA, C., Ementa de Lgica Fuzzy, Curso de Introduo Fuzzy Set Theory,
COPPE/PEP/UFRJ, 2003.
45.- KOSKO, B., Neural Networks and Fuzzy Systems: A Dynamical Systems Approach
to Machine Intelligence. Englewood Cliffs, NJ: Prentice Hall, 1992.
46.-ZADEH, L., Fuzzy Logic IEEE Computer, 1988.
47.-ROSS, T.J., Fuzzy Logic with Engineering Applications. New York Cox L and
Morris JM, editors McGraw-Hill, Inc 1995.
48.- OLIVEIRA, J., et al, Lgica Difusa. Aspectos prticos e aplicaes. Editora
Intercincia Ltda. Rio de Janeiro, 1999.
49.- RASMUSSEN, J., Major accident prevention: What is the basic research issue?
In: Safety and Reliability, eds: Lydersen, Hamsen & Sandtorv, Balkema, Rotterdam, n2:
pp.739-740, 1998.
50.- JONHSON, C., Why human error modelling has failed to help system
development. In: Interacting with Computers, v. 11, pp. 517-524., 1999.
51.- KAI YUAN CAI,. Introduction to Fuzzy Reliability. 1996
52.-ONISAWA, T., An application of fuzzy concepts to modelling of reliability
analysis, Fuzzy Sets and Systems, v. 37. pp. 87-103, 1990.
53.- HARRIS, D., Effect of Decision Making on Ultrasonic Examination Performance,
TR-100412, EPRI, 1992.
54.- DRURY, C. G., Human Factors Good Practices in Fluorescent Penetrant
Inspection, The Human Factors in Aviation Maintenance and Inspection (HFAMI),
Web Pag. http://hfskyway.faa.gov/document.htm, 25 May 2000
55.- ZADEH, L., Outline of a new approach to the analysis of complex systems and
decision processes.,.IEEE Trans. Syst. Man. Cybern., v. SMC-3, pp. 28-44, 1973.
56.- KAI YUAN CAI et al, Posbist reliability behaviour of typical systems with two
types of failure., Fuzzy Sets and Systems, v. 43 , pp.17-32., 1991.
137
57.-KAI YUAN CAI et al, Fuzzy variables as a basis for a theory in fuzzy reliability in
the possibility context., Fuzzy Sets and Systems, v. 42, pp.. 145-172, 1991.
58.- PR-011: Ultra-som. Inspeo em Soldas. Procedimento SEQUI/QDOC, 1993.
59.- EN 473:1993., Qualification and Certification of NDT personnel. 1993.
60.-BELCHIOR, A. D., Um modelo Fuzzy para Avaliao da Qualidade de Software.,
Tese de D.Sc., COPPE /UFRJ, Rio de Janeiro, R.J., Brasil, 1997.
61.- NBR Normas ISO:9000: Sistema de Gesto da Qualidade. Princpios fundamentais
e vocabulrio. 2000
62.-MARTINO, J.P., Technological Forecasting for Decision Making, Elsewier, New
York, 1983.
63.-PREBLE, J. F., The selection of Delphi panels for strategic planning purposes,
Strategic Management Journal, v. 5, pp. 157-170, 1984.
64.- TAYLOR, JUDD., Delphi method applied to turismo, In: Wittis, Moutinho, L
Eds, Tourism Marketing and Management Handbook, Prentice Hall, New York, pp. 9599, 1988.
65.-HERRERA, F.,VERDEGAY, J. L, Linguistic Assesments in group decision,
Proc. of First European Congress on Fuzzy and Intelligent Technologies, Aachen,
pp.941-948, 1993
66.- LEWIS, E. E., Introduction to Reliability Engineering, Department of Mechanical
and Nuclear Engineering, 1987.
67.- PEDRYCZ, W., GOMIDE, F., An Introduction to Fuzzy Sets. Analysis and Design,
London, England, 1998.
68- DUBOIS, D., PRADE, H., Operation on fuzzy numbers, International Journal of
Systems Science, v. 9, pp. 613-626, 1978.
69.- ZIMMERMANN, H. J.,Fuzzy Set Theory and its application Kluwer-Nijhoff
publishing. Boston-Dordrecht-Lancaster, USA, 1988.
70.- PEDRYCZ W, Why triangular membership functions?, Fuzzy Sets and Systems,
v. 64, pp 21 30, 1994.
71.- HIS-MEI-HSU, CHEN-TUNG-CHEN, Aggregation of fuzzy opinions under
group decision making. Fuzzy Sets and Systems, v. 79, pp. 279-285., 1996.
138
72.-DOMECH J.M, GUIMARES A.S, XEXO G.B., Modelo fuzzy para avaliao
da confiabilidade humana do inspetor de ensaio no destrutivo tipo ultra som. 3rd
Panamerican Congress of NDT, Rio de Janeiro, Junho 2003.
73.- PARETO, .Vida de Pareto, Texto retirado do site na Internet
http://erc.msh.org/quality/pstools/pspareto.cfm, May 2003.
74.-ONISAWA, T., An aproach to human reliability in man-machine system using
error possibility, Fuzzy Sets and Systems, 27, pp.87-103, 1988.
75.- ONISAWA, T., KRISHNA, B., Use of Fuzzy Sets Theory In: New Trends in
System Reliability Evaluation, ed. K.B. Misra, Elsevier Science Publishers, 1993.
76.- SHAW, I. S., SIMES M.G., Controle e Modelagem Fuzzy, Editora Edgard
Blcher Ltda, So Paulo, FAPESP, 1999.
77.-DONGHAN, YU et al, Combination and evaluation of experts opinions
characterized in terms of fuzzy probabilities, Annals of Nuclear Energy, v. 27, pp.713726, 2000.
78.- BUCKLEY, J. J., The multiple judge, multiple criteria ranking problem: A fuzzy
set approach, Fuzzy Sets and Systems, v.13, pp.25-37, 1984.
79.- KRISHN, B.M., GUNTER, G. W., A new method for fuzzy fault tree analysis,
Microelectronic Reliability, v. 29, n. 2, pp.195-216, 1989.
80.- SINGER, D., Fault Tree Analysis based on fuzzy logic, Computers chem.
Engng., v. 14, n. 3, pp. 259-266, 1990.
81.- CHING-HSUE CHENG ., DON-LIN MON., Fuzzy System Reliability Analysis
by interval of confidence, Fuzzy Sets and Systems, v. 56, p. 29-35, 1993.
82.- BOWLES, J.,COLON, E.P., Application of Fuzzy Logic to Reliability
Engineering, Proceedings of the IEEE, v. 83, n. 3, pp. 435-449, 1995.
83.- KAUFMANN, A., GUPTA, M.M., Fuzzy Mathematical Models in Engineering
and Management Science, North-Holland, Amsterdam, 1988.
139
140
ANEXOS
141
Questo
Itens
Peso
na rea de ultra-som.
Especialista de nvel II
0,9
Especialista de nvel I
0,7
0,8
Professor (tcnico)
0,5
Pesquisador
0,7
ou congressos? De
Entre 1 e 2
0,3
Entre 3 e 7
0,75
quantos?
142
J elaborou quantos
Nenhum
0
0,5
Entre 3 e 7
0,75
J qualificou quantos
Nenhum
procedimentos?
Entre 1 e 2
0,5
Entre 3 e 7
0,9
Excelente
Bom
0,9
Mdio
0,6
Baixo
0,3
Nenhum
0,9
0,8
0,7
0,6
Especialista no inspetor
0,5
Nenhum
Quantos?
Entre 1 e 2
0,5
Entre 3 e 7
0,9
grau de escolaridade
143
Quantos anos de
Nenhum
experincia como
Entre 1 e 5
0,3
Entre 5 e 10
0,7
Entre 10 e 15
0,9
Mais de 15 ______
inspetor?
Fator
Importncia
Caractersticas da situao
144
145
Fatores psicolgicos.
Fatores fisiolgicos.
Prezado inspetor:
O seguinte questionrio forma parte de uma pesquisa para determinar o nvel de
confiabilidade da inspeo por ultra som em campo. No tem objetivo administrativo,
mas sim cientfico. A qualidade da pesquisa depende do nvel de transparncia das
opinies fornecidas pelos inspetores por isso peo para que as opinies sejam
transparentes. Ser usada a matemtica nebulosa como ferramenta para agregar estados
de opinies de vrios inspetores.
Fator
Comportamento
Caractersticas da situao
147
148
149
Fatores psicolgicos.
Fatores fisiolgicos.
150
151
152
ANEXO 4.- Avaliao dos especialistas quanto s probabilidades de falha do inspetor no momento de executar um item do ensaio e quanto ao
nvel de dependncia entre a tarefa (i+1) e a tarefa (i). Itens 1 - 2.9.
EspA
EspB
EspC
EspD
EspE
EspF
EspG
EspI
EspJ
1.-
MB
QZ
MB
1.1
MB
QZ
QZ
Zero
1.2
MB
QZ
Mod
Mod
QZ
QZ
MB
1.3
MB
Mod
Mod
QZ
Zero
Zero
Zero
Zero
MB
1.4
MB
Mod
QZ
MB
MB
Mod
MB
1.5
MB
Mod
Mod
QZ
Zero
Zero
Zero
Zero
MB
1.6
MB
Mod
Mod
Mod
QZ
MB
MB
Mod
MB
1.7
MB
Mod
Mod
QZ
Zero
Zero
Zero
Zero
MB
1.8
MB
Mod
Mod
QZ
MB
MB
Mod
MB
2.-
MB
Mod
Mod
QZ
QZ
Mod
Zero
Zero
Zero
Zero
Zero
Zero
MB
2.1
MB
QZ
QZ
Zero
QZ
MB
2.2
MB
Mod
Mod
Mod
QZ
QZ
MB
2.3
MB
MB
QZ
QZ
QZ
Zero
Zero
MB
2.4
MB
Mod
Mod
Mod
QZ
QZ
MB
2.5
MB
MB
QZ
QZ
QZ
Zero
Zero
MB
2.6
MB
Mod
Mod
Mod
QZ
QZ
MB
2.7
MB
MB
QZ
QZ
QZ
Zero
Zero
MB
2.8
MB
Mod
Mod
Mod
QZ
QZ
MB
2.9
MB
Mod
Mod
Mod
Mod
QZ
QZ
MB
MB
Itens
EspA
EspB
EspC
EspD
EspE
EspF
EspG
EspI
EspJ
148
Anexo 5.- Avaliao dos especialistas quanto s probabilidades de falha do inspetor no momento de executar um item do ensaio e quanto ao
nvel de dependncia entre a tarefa (i+1) e a tarefa (i). Itens 3 - 9.6
EspA
EspB
EspC
EspD
EspE
EspF
EspG
EspI
EspA
EspB
EspC
EspD
EspE
EspF
EspG
EspI
EspJ
3.-
Zero
Mod
Mod
Mod
Mod
Mod
QZ
Mod
Zero
Zero
Zero
Zero
Zero
Zero
Zero
4.-
MB
Mod
Mod
Mod
QZ
Zero
Mod
Mod
MB
5.-
QZ
MB
Mod
Mod
QZ
Zero
MB
Zero
Mod
QZ
6.-
QZ
QZ
Mod
Mod
QZ
Zero
MB
Zero
Zero
QZ
7.-
QZ
MB
QZ
MB
Zero
Mod
Zero
Mod
Zero
Mod
Zero
QZ
8.-
MB
Mod
QZ
QZ
Zero
Mod
Zero
MB
8.1-
QZ
QZ
QZ
QZ
8.2-
MB
QZ
QZ
MB
8.3-
QZ
Mod
Mod
Mod
QZ
QZ
QZ
8.4-
MB
Mod
MB
Mod
Mod
QZ
QZ
MB
8.5-
QZ
Mod
Mod
QZ
QZ
Mod
Zero
Mod
QZ
8.6-
QZ
MB
QZ
QZ
Mod
Zero
QZ
9.-
MB
Mod
QZ
QZ
MB
Mod
Mod
Mod
Mod
MB
9.1-
Zero
QZ
Mod
QZ
Zero
Zero
Zero
9.2-
Zero
Mod
Mod
Mod
QZ
Zero
Zero
Zero
Zero
Zero
9.3-
Mod
Mod
Mod
QZ
QZ
Mod
9.4-
QZ
Mod
Mod
Mod
QZ
QZ
Zero
QZ
149
9.5-
Zero
Mod
Mod
Mod
Mod
QZ
QZ
Zero
Zero
Zero
Zero
Mod
Mod
Zero
9.6-
Mod
Mod
Mod
Mod
QZ
QZ
Mod
ANEXO 6.- Avaliao dos especialistas quanto s probabilidades de falha do inspetor no momento de executar um item do ensaio e quanto ao
nvel de dependncia entre a tarefa (i+1) e a tarefa (i). Itens 9.7 14.7
EspA
EspB
EspC
EspD
9.7-
MB
QZ
Mod
10.-.
Zero
Mod
11.-
Zero
Mod
11.1
QZ
11.2-
EspE
EspF
EspG
EspI
EspJ
EspA
EspB
EspC
EspD
EspE
EspF
EspG
EspI
EspJ
Mod
QZ
MB
MB
QZ
QZ
Mod
Zero
Zero
Zero
Zero
Zero
Mod
Mod
QZ
QZ
Zero
Mod
Zero
Mod
Mod
Mod
QZ
QZ
QZ
QZ
Mod
Mod
Mod
QZ
QZ
Mod
QZ
12.-
QZ
Mod
QZ
QZ
Mod
QZ
13.-
QZ
Mod
Mod
QZ
Mod
Zero
Mod
Mod
MB
13.1-
Mod
Mod
QZ
Zero
MB
13.2-
QZ
MB
13.3-
QZ
Zero
Zero
MB
13.4-
QZ
MB
MB
QZ
QZ
MB
14.-
Mod
Mod
MA
MA
MA
QZ
Mod
Zero
Mod
Zero
Mod
MB
14.1-
Mod
Mod
Mod
QZ
MB
14.2-
QZ
Mod
Mod
MA
MA
QZ
Zero
Zero
MB
14.3-
MB
QZ
Mod
MB
150
14.4-
MB
Mod
Mod
Mod
QZ
MB
14.5-
Mod
MA
QZ
Zero
Zero
MB
14.6-
QZ
Mod
Mod
Mod
QZ
MB
14.7-
QZ
MB
QZ
QZ
MB
ANEXO 7.- Avaliao dos especialistas quanto s probabilidades de falha do inspetor no momento de executar um item do ensaio e quanto ao
nvel de dependncia entre a tarefa (i+1) e a tarefa (i). Itens 15 17.
EspA
EspB
EspC
EspD
EspE
EspF
EspG
EspI
EspJ
EspA
EspB
EspC
EspD
EspE
EspF
EspG
EspI
EspJ
15.-
Mod
Mod
MA
MA
QZ
Zero
Mod
15.1-
QZ
QZ
Mod
QZ
15.2-
MB
Mod
MA
MA
QZ
MB
15.3-
MB
Mod
Mod
Mod
QZ
MB
15.4-
QZ
MB
QZ
QZ
QZ
16.-
QZ
Mod
Zero
Mod
Comprim
QZ
Mod
Mod
QZ
16.1-
QZ
Mod
QZ
Mod
QZ
16.2-
QZ
Mod
Mod
Mod
Mod
QZ
MB
QZ
16.3-
QZ
MB
QZ
QZ
QZ
Altura
MA
MA
MA
QZ
Mod
Mod
16.4-
MA
MA
MA
QZ
Mod
Zero
16.5-
MA
QZ
QZ
151
16.6-
MB
16.7-
QZ
16.8-
MA
Mod
Mod
Mod
QZ
MB
Mod
Mod
Mod
Mod
QZ
Mod
QZ
MB
Mod
QZ
Mod
Mod
MB
16.9-
QZ
Mod
Mod
Mod
Mod
QZ
Mod
QZ
16.10-
QZ
QZ
Mod
QZ
QZ
17.-
MA
MA
Mod
QZ
Mod
Zero
Mod
Zero
MA
ANEXO 8.- Avaliao dos especialistas quanto s probabilidades de falha do inspetor no momento de executar um item do ensaio e quanto ao
nvel de dependncia entre a tarefa (i+1) e a tarefa (i). Itens 17.1 19.
EspA
EspB
17.1-
QZ
17.2-
EspC
EspD
EspE
EspF
EspG
EspI
EspJ
QZ
QZ
QZ
QZ
QZ
Mod
Mod
Mod
MB
QZ
QZ
17.3-
MA
MA
MB
QZ
Mod
Mod
17.4-
QZ
Mod
QZ
QZ
QZ
QZ
18.-
QZ
QZ
QZ
Mod
Mod
QZ
18.1-
QZ
QZ
QZ
Mod
QZ
18.2-
QZ
Mod
QZ
QZ
Mod
QZ
19.-.
QZ
Mod
QZ
QZ
Mod
QZ
Mod
Mod
EspA
EspB
EspC
EspD
EspE
EspF
EspG
EspI
EspJ
152
ANEXO 9.-Questionrio para determinar o grau de transtorno que ocasiona uma falha humana em um item.
Prezado inspetor:
Com o objetivo de estudar a propagao de erros num ensaio no destrutivo tipo ultra-som, gostaramos de conhecer a sua opinio em quanto ao
grau de transtorno que poderia provocar uma falha humana durante a execuo de um item determinado em outros itens ou eventos subseqentes
. Por exemplo, um erro durante a execuo do item 1 vai provocar um grau de transtorno importante no item 8 (isto s um exemplo). Nesse
caso na tabela, na interseo das tarefas 1 com a 8 voc colocaria o grau 0,8. Para isto necessrio usar os seguintes termos: nenhum transtorno
(0,2); pouco transtorno (0,4); algum transtorno (0,6); importante transtorno (0,8) e transtorno crtico (1).
153
Procedimento de ultra-som
Ao, item ou tarefa.
9 10 11 12 13 14 15 16 17 18 19
0 1 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0
0 0 0 0 1 0 0 0 0 0
0 0 0 0 0 1 0 0 0 0
0 0 0 0 0 0 1 0 0 0
0 0 0 0 0 0 0 1 0 0
0 0 0 0 0 0 0 0 1 0
0 0 0 0 0 0 0 0 0 1
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
154
Procedimento de ultra-som
Ao, item ou tarefa.
9 10 11 12 13 14 15 16 17 18 19
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
155
156
FINALIDADE DO ENSAIO
Ondas mecnicas
So aquelas originadas pela deformao de uma regio de um meio elstico e que, para
se propagarem, necessitam de um meio material. Da decorre que as ondas mecnicas
no se propagam no vcuo. Quando transmitidas ao nosso sentido da audio, so por
ele captados como uma impresso fisiolgica denominada som.
"Som" o fenmeno acstico que consiste na propagao de ondas sonoras produzidas
por um corpo que vibra em um meio material elstico".
Ondas Peridicas
peridico. Pode ser definido tambm, como o tempo que uma onda completa gasta para
percorrer a distncia " 2 ";
FREQNCIA (F), que o nmero de perodos por segundo; , portanto, o inverso
do perodo:
F = 1/T
clviii
A unidade de freqncia o Hertz (Hz) que significa "um ciclo por segundo".
Utilizaremos MHz, milhes de ciclos por segundo.
A freqncia depende somente do perodo e no varia ao passar por meios diferentes.
Quanto maior a freqncia (F), maior ser o nmero de oscilaes (ciclos) por
segundo, menor ser a distncia entre as cristas ou vales, ou zonas de compresso e
diluio.
Um transdutor utilizado neste mtodo de ensaio, tem a sua freqncia fixa, ou seja, ele
adquirido para ser utilizado em uma determinada freqncia. Este transdutor ter
sempre a mesma freqncia, mesmo que seja utilizado em materiais diferentes. Para
ensaiar materiais com caractersticas muito diferentes, teremos que utilizar transdutores
de freqncias diferentes.
AMPLITUDE (A) que a elongao mxima, isto , um ponto de mximo no eixo
"Y" .
Interferncia de Ondas
numa terceira onda (resultante) cuja amplitude poder ser maior ou menor que a das
ondas componentes.
Com relao s ondas emitidas por fontes diferentes, o fenmeno da interferncia
ocorre tambm como se cada sistema de ondas estivesse s, isto , nos pontos de
cruzamento, adicionam-se ou subtraem-se geometricamente e esses pontos so sede da
onda resultante. A intensidade de uma onda sonora resultante varia de um som forte
que se ouve em dado instante para um silncio quase total, seguido de um som forte e
assim por diante. Os sons fortes ocorrem quando as ondas interferem construtivamente
reforando-se umas s outras, e o silncio ocorre quando h interferncia destrutiva e
as anulam total ou parcialmente.
Ressonncia
Ressonncia o fenmeno pelo qual um corpo vibra ao ser atingido por vibraes
produzidas por um outro corpo, quando o perodo das vibraes do primeiro coincide
clix
a designao que recebeu o fenmeno que ocorre com os cristais anisotrpicos, nos
quais desenvolvem-se cargas eltricas quando submetidos a deformaes mecnicas.
Este fenmeno, manifesta-se da seguinte forma: aplicando-se cargas mecnicas nas
duas faces opostas de uma lmina de cristal de quartzo, ocorre a formao de cargas
eltricas de polaridades contrrias nessas faces, isto , em uma das faces formam-se
cargas positivas e na outra cargas negativas.
a designao que recebeu o fenmeno que ocorre com os cristais anisotrpicos, nos
quais observam-se deformaes mecnicas quando submetidos a tenses eltricas. o
efeito recproco do efeito piezeltrico.
Se na lmina de cristal for aplicada agora uma tenso alternada, ela sofrer
deformaes sucessivas passando a vibrar. A lmina se contrair na primeira metade
do ciclo da corrente alternada e se expandir na outra metade. A freqncia de
vibrao mecnica ser a mesma da tenso alternada
clx
Uma onda longitudinal quando as partculas do meio em que ela se propaga vibram
na mesma direo de propagao da onda nesse meio.
A distncia entre duas zonas de compresso e duas de diluio o comprimento de
onda ( )
Este tipo de onda propaga-se nos slidos, lquidos e gases.
a onda de maior velocidade de propagao.
Ondas transversais (ondas de corte ou cisalhamento)
clxi
Ondas superficiais
porque a velocidade dos meios diferente e a onda longitudinal incide num certo
ngulo em relao normal.
Num transdutor angular, o que ir interessar a onda longitudinal refratada, tambm
chamada de onda transversal transmitida OTT. somente esta onda que utilizaremos
num ensaio com ondas transversais.
Transdutores
correta e cuidadosa, funcionam durante muitos anos sem apresentam problemas srios.
So caros.
Existem no mercado transdutores de vrias formas, tamanhos, ngulos e freqncias.
Os transdutores so divididos em categorias que so: Transdutores normais,
transdutores de duplo cristal (S/E), transdutores angulares, transdutores de ondas
superficiais e os especiais, para aplicaes especficas.
Transdutores Normais: so aqueles que trabalham com ondas longitudinais no
clxiv
Possuem contatos e conectores separados para cada cristal e uma blindagem interna
que evita que as ondas ultra-snicas emitidas pelo cristal emissor chegue ao cristal
receptor sem passar pela pea. E
bastante utilizado na medio de espessuras e em peas de paredes finas.
Apresentam menor sensibilidade se comparados com os transdutores normais.
Estes transdutores no tm campo prximo mas tm uma zona semelhante zona
morta, que tem de 1 a 3 mm de profundidade. Nesta regio nada detectado,
necessitando de um outro ensaio para ensaiar a superfcie e subsuperfcie.
No aplicado no ensaio de grandes espessuras pois seu campo til limitado.
Transdutores angulares: so aqueles que trabalham com ondas transversais no
clxv
Substncia lquida ou pastosa, que tem por finalidade, favorecer a transmisso das
ondas ultra-snicas do transdutor para a pea em ensaio, no deixando ar entre os
meios 1 e 2.
A escolha do acoplante depender das condies superficiais da pea e do tipo de
material est sendo ensaiado.
Numa superfcie com bom acabamento, bastar uma camada de um leo fino. Em
superfcies com rugosidade excessiva, ser necessrio um acoplante mais viscoso,
podendo at ser necessria a utilizao de gel ou graxa.
Os acoplantes tpicos so: gua, leo em geral, gel, graxa, vaselina lquida e em pasta
ou uma mistura das duas, metilcelulose (no para metais ferrosos) e etc.
Deve-se verificar a compatibilidade entre o acoplante e o material a ser ensaiado. Esse
cuidado justifica-se por possveis reaes e ataques, propiciando a corroso.
clxvi
Quanto mais distante do transdutor, menor ser a sua intensidade. Quanto mais distante
estiver da linha de 100%, que a linha de maior presso snica, menor ser a
intensidade.
O feixe snico perde sua intensidade com a distncia e com a divergncia e com isso
diminui tambm a amplitude do sinal de recepo.
O feixe snico dividido em trs zonas distintas que so: zona morta, campo prximo
e campo distante.
Zona morta: a regio logo abaixo do transdutor, que no pode ser ensaiada.
Esta zona tem uma profundidade que varia de 1 a 3 mm, dependendo da freqncia
utilizada. Esta fina faixa de espessura onde encontra-se a zona morta, dever ser
ensaiada posicionando o transdutor na superfcie oposta ou por um outro tipo de
ensaio. Por exemplo os ensaios por lquido penetrante, partculas magnticas ou
correntes parasitas.
Campo prximo (Zona de Fresnel): uma regio de grande presso snica e grande
Onde:
N = campo prximo
clxvii
Onde:
N = campo prximo
D eq2 = dimetro equivalente do cristal do transdutor angular, (que retangular).
F = freqncia do transdutor
VT = velocidade transversal do material em ensaio.
necessrio em primeiro lugar, calcular o dimetro equivalente j que o cristal dos
transdutores angulares retangular e no circular como nos transdutores normais.
Calculando o dimetro equivalente:
a . b = ( . D eq2 ) / 4 D eq2 = (a . b . 4) /
Onde:
D eq2 = dimetro equivalente
a = lado menor do cristal
b = lado maior do cristal
= 3,1416
4 = constante
Campo distante: inicia-se quando termina o campo prximo.
nesta regio do feixe snico onde o ensaio considerado confivel. Verifica-se que
a partir do incio do campo distante que comea a divergncia do feixe snico.
DIVERGNCIA DO FEIXE SNICO
Sabemos que uma das causas da diminuio da presso snica a divergncia do feixe,
a outra a atenuao acstica.
Atenuao acstica no causada pela geometria do campo snico, uma
caracterstica dos materiais.
A presso snica decresce como resultado da atenuao, que medida em dB/mm.
Disperso e absoro so as responsveis pela atenuao acstica.
Disperso do feixe snico: ocorre devido ao desvio de partes do feixe por pequenos
clxix
clxx
Ajuste de escala:
o controle que movimenta os ecos para a direita e esquerda, sem alterar a distncia
entre eles. Permite posicionar o eco inicial no zero e com o auxlio do ajuste de escala,
que afasta ou aproxima os ecos, possvel posicionar os outros ecos de acordo com a
calibrao utilizada
Ajuste de freqncia:
Permite selecionar no aparelho, a freqncia do transdutor utilizado.
Nos aparelhos atuais, este ajuste automtico.
Ajuste da Velocidade de Propagao:
clxxi
clxxii
O aparelho deve apresentar linearidade vertical, que deve ser verificada antes de cada
ensaio, deve apresentar os ecos em alturas correspondentes com mudanas no controle
de decibis.
Linearidade Horizontal
clxxiii
Na tela do aparelho temos um primeiro eco, que chamamos de eco de transmisso. Ele
existe mesmo sem um transdutor estar conectado ao cabo coaxial. Quando conectamos
o transdutor e o posicionamos na superfcie em ensaio, o eco inicial ou tambm
chamado de eco de entrada ficar no mesmo lugar do eco de transmisso, com uma
pequena diferena quanto a largura deste eco
A escala depender da espessura e de quantos ecos de fundo deseja-se obter.
clxxiv
Como o ensaio por ultra-som baseia-se na comparao das reflexes obtidas das
descontinuidades com alguma referncia calibrada, traar uma curva de referncia ou
utilizar um outro meio similar para a comparao se faz necessrio.
As normas, procedimentos e manuais das aeronaves devem indicar o tamanho mximo
da descontinuidade aceitvel, se pode ou no existir (geralmente as trincas) e a
localizao aproximada.
Nos casos das curvas traadas com furos de fundo plano, o critrio de aceitao
estabelece o quanto a descontinuidade deve ter de reflexo ou amplitude de sinal (eco)
em relao a esta curva.
Correo de transferncia
Consiste numa correo de ganho (dB) devido a alguma diferena entre o bloco e a
pea, por exemplo , o acabamento superficial.
Temperatura
clxxv
Deve-se evitar que o aparelho e a pea em ensaio, sofram vibraes durante o ensaio.
Determinao da extenso ou rea de uma grande descontinuidade
clxxvi