You are on page 1of 218

APLICAO DA LGICA FUZZY NA AVALIAO DA CONFIABILIDADE

HUMANA NOS ENSAIOS NO DESTRUTIVOS POR ULTRA-SOM

Jess Domech Mor

TESE SUBMETIDA AO CORPO DOCENTE DA COORDENAO DOS


PROGRAMAS DE PS-GRADUAO DE ENGENHARIA DA UNIVERSIDADE
FEDERAL

DO

RIO

DE

JANEIRO

COMO

PARTE

DOS

REQUISITOS

NECESSRIOS PARA A OBTENO DO GRAU DE DOUTOR EM CINCIAS


EM ENGENHARIA METALRGICA E DE MATERIAIS.

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.

RIO DE JANEIRO, RJ - BRASIL


ABRIL DE 2004

DOMECH, JESUS MORE


Aplicao da Lgica Fuzzy na
Avaliao da Confiabilidade Humana nos
Ensaios No Destrutivos por ultra-som.
[Rio de Janeiro] 2004.
XI. 173 p. 29,7 cm (COPPE/UFRJ),
D.Sc., Engenharia Metalrgica e de
Materiais, 2004).
Tese - Universidade Federal do
Rio de Janeiro, COPPE.
1. Confiabilidade humana.
2. Lgica Fuzzy.
3. Possibilidade de erro.
I. COPPE/UFRJ

II. Ttulo (srie)

ii

DEDICATRIA

minha me Ena, ao meu pai Silvio,


s minhas irms Ena Lidia e Silvita,
minha esposa Lien, ao meu filho Danilo Jess,
aos meus sobrinhos Dairon, Javi e Dunia.
minha avo sempre presente Guille.

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

Resumo da Tese apresentada COPPE/UFRJ como parte dos requisitos necessrios


para a obteno do grau de Doutor em Cincias (D.Sc.)

APLICAO DA LGICA FUZZY NA AVALIAO DA CONFIABILIDADE


HUMANA NOS ENSAIOS NO DESTRUTIVOS POR ULTRA-SOM.

Jess Domech More.

Abril 2004

Orientadores: Ari Sauer Guimares.


Geraldo Bonorino Xexo

Programa: Engenharia Metalrgica e de Materiais.

Este trabalho desenvolve uma metodologia fuzzy para avaliao da


confiabilidade humana nos ensaios no destrutivos tipo ultra-som. Alm disso
desenvolve tambm um modelo fuzzy baseado em 59 fatores que influenciam no
desempenho do inspetor criando um padro de qualidade do ensaio. Assim sendo, este
padro pode ajudar a trazer informaes teis para medir o ndice de confiabilidade
humana em diferentes ambientes fsicos. Uma rvore de falhas fuzzy foi construda para
o ensaio por ultra-som e utilizada para obter a probabilidade de erro humano durante a
execuo da inspeo manual ultra-snica. A Teoria dos Conjuntos Fuzzy mostrou-se
uma ferramenta poderosa na avaliao dos atributos de confiabilidade humana e dos
eventos durante a execuo do procedimento de ultra-som.

Abstract of Thesis presented to COPPE/UFRJ as a partial fulfillment of the


requirements for the degree of Doctor of Science (D.Sc.)

A FUZZY APPROACH TO EVALUATION THE HUMAN RELIABILITY IN


THE ULTRASONIC NONDESTRUCTIVE EXAMINATIONS.

Jess Domech Mor

Abril 2004

Advisors: Ari Sauer Guimares


Geraldo Bonorino Xexo.

Department: Materials and Metallurgical Engineering.

This work presents a fuzzy methodology for evaluation of human reliability in


ultrasonic nondestructive examinations. In addition, a fuzzy model based on 59
performance shaping factors forming a quality pattern of test is presented. This pattern
can help bring useful information to establish a human reliability index in the different
physical environment. A fuzzy failure was constructed for the ultrasonic nondestructive
examination and used in order to obtain the human possibility error during the manual
ultrasonic examination. Fuzzy Set Theory revealed itself as a powerful tool either for
evaluation of human reliability or during the execution of events of the manual
procedure of the test.

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

II.3.10.- Aritmtica fuzzy.................................................................................................55


II.3.11.- Defuzzificao...................................................................................................56
II.3.12.- Confiabilidade fuzzy..........................................................................................56

III.- MATERIAIS E MTODOS....................................................................................62


III.1.- Investigao do problema de confiabilidade humana em ensaios no destrutivos
por ultra som.................................................................................................................62
III.2.- Avaliao da Confiabilidade Humana considerando os PSFs..............................76
III.2.1 Aplicao da metodologia para avaliao da confiabilidade humana..................80

IV.- CONCLUSES.....................................................................................................131

V.- RECOMENDAES PARA O TRABALHO FUTURO......................................133

VI.-BIBLIOGRAFIA....................................................................................................134

VII.- ANEXOS..............................................................................................................140

VIII.- GLOSRIO SOBRE ENSAIOS NO DESTRUTIVOS POR ULTRA-SOM..155

viii

LISTA DE SIMBOLOS E NOMENCLATURA.


e.- espessura

.- 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

ENSIP.- Projeto de Integridade Estrutural de Engenharia (Engine Structural Integrity


Program).
EPE.- Exame Prtico Especfico.
ETE: Exame terico especfico.
EPRI.- Instituto de Pesquisas de Potncia Eltrica (Electric Potency Research Institute).
HCR.- Confiabilidade Cognitiva Humana (Human Cognitive Reliability).
HEP.- Probabilidade de erro Humano (Human Erro Probability).
HFE.- Eventos de falha humana (Human Failure Events)
ISA.- Anlise de Segurana Integrado (Integral Security Analysis)
ISO.- Organizao Internacional de Normalizao (International for Standardization
Organization).
MAUD.- Multiple Atribute Utility Decomposition
NTSB.- Conselho de Segurana Nacional do Transporte nos Estados Unidos.
PDI.- Iniciativa de Demonstrao do Desempenho (Performance Demonstration
Initiative).
PFA.- Probabilidade de Falso Alarme (Probability of False Alarm).
PHRA.- Anlise Probabilstica de Confiabilidade Humana (Probabilistic Human
Reliability Analysis )
PISC.- Program for Inspection of Steel Components (Projeto de Inspeo aos
Componentes de acero).
POD.- Probabilidade de Deteco do Defeito.
PR-011.- Procedimento usado pelos inspetores de END (fixa as condies para a
execuo do ensaio por ultra-som em juntas soldadas).
PRA.- Gerenciamento Probabilstico de Risco (Probabilistic Risk Administration).
PSF.- Fator de Incidncia no Desempenho (Performance Shaping Factor)
PSA.- Anlise Probabilstica de Segurana (Probabilistic Security Analysis)
ROC.- Caractersticas de Operao Relativa (Relative Operating Receiver).
S2, S5.- Subnveis de qualificao dos inspetores
x

SEQUI.- Centro de Qualificao de Inspetores.


SHARP.- Procedimento de Confiabilidade Humana Sistmica
SLI.- ndice de Probabilidade de Sucesso (Success Likelihood Index)
SNQC/END.- Sistema Nacional de Qualificao e Certificao de Pessoal em END.
S-R-K.- Destreza, Regras, Conhecimento (Skill, Rule, Knowledge)
THERP.- Tcnica para a Predio da Taxa de Erro Humano (Technical for Human Error
Rate Prediction).

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

uma barreira so refletidas mostrando a existncia da descontinuidade. A linha


horizontal em um osciloscpio representa o tempo decorrido, e as deflexes verticais, a
amplitude dos ecos. O tamanho das descontinuidades pode ser estimado por
comparao da altura do eco da descontinuidade com um outro refletor de tamanho
conhecido. A localizao da descontinuidade (profundidade) determinada atravs da
leitura de uma escala graduada no osciloscpio do aparelho.

Figura I.1.- Mostrador tipo A.

A aplicao do ultra-som se faz em instalaes, equipamentos e materiais,


normalmente submetidos a requisitos de alta segurana e que requerem alta
confiabilidade, tais como usinas nucleares, plantas petroqumicas, plataformas de
petrleo, aeronaves, navios, embarcaes, tanques de combustveis e veculos de
transporte. Hoje, na moderna indstria, o exame ultra-snico constitui uma ferramenta
indispensvel para a engenharia de segurana e a garantia da qualidade de peas de
grandes espessuras, geometria complexa de juntas soldadas, chapas e outros.
A tecnologia moderna criou uma tendncia para produzir equipamentos e
sistemas de grande custo de capital, sofisticao, complexidade e capacidade. As
conseqncias de um comportamento no confivel dos equipamentos e sistemas
tornaram-se crescentemente mais graves e exigiram melhores nveis de confiabilidade.

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

I.1 Justificativa da importncia do trabalho.


A literatura mostra inmeros exemplos de acidentes importantes causados por
falhas do inspetor durante as inspees de END. As trincas por corroso intergranular
sob tenso, que no foram encontradas durante uma inspeo por ultra-som na Nine
Mile Point Nuclear Plant em 1981, tiveram um grande impacto na indstria nuclear.
Elas foram encontradas depois por inspeo visual [3].
Como aparece documentado no relatrio N75B/AAR-98-01 do Conselho de
Segurana Nacional do Transporte nos Estados Unidos (NTSB), dois passageiros
morreram no vo Delta 1288 como resultado da falha de uma mquina durante a
decolagem em Pensacola, Flrida, no dia 6 de julho de 1998 [4]. O incidente foi
atribudo falha no sistema de END para detectar trincas na mquina JT-8D. Relatrios
prvios NTSB/AAR-90/06 direcionados s falhas dos sistemas END incluem o
desastre ocorrido no dia 17 de julho de 1989 em Sioux City na Aerolnea Americana
United Airlines [5].
O Conselho Canadense para a Segurana no Transporte (CTSB) reportou uma
falha ocorrida na Aerolnea Canadense, Canadian Airlines B-767, em Beijing, China no
dia 7 de setembro de 1997. A morte de 46 pessoas devido queda da ponte Silver no dia
15 de dezembro de 1967, outro exemplo de falha do sistema END utilizado para a
inspeo. Estes exemplos e outros mais que no aparecem na literatura enfatizam a
importncia da implementao de metodologias qualitativas e quantitativas de
aprofundamento na questo de confiabilidade nos END para nossa segurana.

A situao no Brasil
No Brasil existe um Sistema Nacional de Qualificao e Certificao de Pessoal

em END (SNQC/END), que tem a finalidade de promover aes para a qualificao e


certificao de pessoal em END, atravs de procedimentos e sistemticas definidas
pelos rgos envolvidos no Sistema.
Os nveis de competncia dos inspetores de ultra-som podem ser: nvel I, nvel II
e nvel III.
xv

O pessoal certificado com nvel I est qualificado para executar ensaios de


acordo com procedimentos escritos e sob a superviso do pessoal de nvel II ou nvel
III. Eles esto capacitados para instalar ou montar o aparelho, executar ensaios, registrar
os resultados obtidos, classificar os resultados de acordo com os critrios de aceitao e
report-los. O pessoal certificado com nvel II est qualificado para executar ensaios de
acordo com tcnicas reconhecidas e estabelecidas. O pessoal deve ser competente para
escolher a tcnica de ensaio a utilizar, montar e calibrar o aparelho, interpretar e avaliar
os resultados de acordo com os cdigos aplicveis, normas e especificaes; para
executar todos os itens para o qual o inspetor de nvel I est qualificado; verificar quais
ensaios executados pelos inspetores de nvel I foram executados adequadamente, e
preparar instrues escritas. O pessoal certificado com nvel III est qualificado para
estabelecer procedimentos; interpretar cdigos, normas, especificaes, assim como
desenhar mtodos de ensaios particulares, tcnicas e procedimentos a serem usados. O
inspetor tem competncia para interpretar e avaliar resultados de acordo com cdigos
existentes, normas e especificaes; e tem habilidade para treinar os inspetores de nvel
I e II ; segundo exigem as normas ISO 9712:1999 [6].
A cada nvel pertencem diferentes subnveis em dependncia das atribuies e
competncias. Por exemplo, no procedimento DC-001 [7] aparecem as atribuies e
competncias de um inspetor de ultra-som nvel II e subnvel S2 :
i.

Execuo de ensaio de medio de espessura em materiais metlicos, com


avaliao de resultados.

ii.

Execuo de ensaios em laminados com cabeotes normais e duplo cristal, com


avaliao de resultados.

iii.

Inspeo de fundidos e forjados.

iv.

Inspeo de soldas de topo em peas planas com e 15 mm. ( e = espessura).

v.

Inspeo em soldas de topo circunferencial em tubos com e 15 mm e


externo 220 mm ( nominal 8").

vi.

Inspeo em soldas de topo longitudinais em tubos com 6 mm e < 15mm, e


externo 508 mm ( nominal 20").
J um inspetor de ultra-som nvel II e subnvel S5 estar qualificado para ter as

mesmas atribuies e competncias do inspetor de subnvel S2, e para fazer inspees


em soldas de topo circunferenciais em tubos com e 6 mm e dimetro externo entre
114 mm externo < 220 mm (4" nominal < 8 ") .

xvi

Durante as paradas de manuteno, na construo de novas unidades ou nas


grandes modificaes de projeto, numerosos ensaios so realizados para garantia da
qualidade dos servios e reparos executados e para avaliao de integridade de
equipamentos e tubulaes. Tais servios so executados usualmente por firmas
contratadas que utilizam mo de obra terceirizada que no tem um vnculo de longo
prazo com a contratada. Desta forma a qualidade dos servios ir depender diretamente
do apoio que tais profissionais tiverem da contratada em termos de procedimentos,
equipamento e consumveis. Como tais servios, especialmente os relacionados a
controle de qualidade, implicam em uma tarefa a mais na seqncia de servios
executados, exigida de tais profissionais uma elevada produtividade. O resultado que
estes se encontram sob presso da contratada para adiantarem as frentes de manuteno,
realizando rapidamente os ensaios. Na nsia de atenderem a esta necessidade no
difcil que os profissionais se encontrem sob o dilema da manuteno da produtividade
em detrimento da qualidade. Segundo SANTOS [8], o equilbrio desta delicada balana
depende cada vez mais de uma atuao externa que venha a contrapor-se presso pela
produtividade, gerando da a necessidade das auditorias de ENDs.

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.

Somente os erros humanos so considerados; todos os outros elementos do


sistema de inspeo atuam de maneira satisfatria.

ii.

A falha do sistema de inspeo deve-se a erros humanos; outros defeitos


inerentes do sistema no so considerados nesta anlise.
Para desenvolver esta metodologia, vrios mtodos de anlise de confiabilidade

humana foram estudados, entre eles THERP, CREAM, o mtodo de RASSMUSSEN e


ATHEANA [9,10,11,12].
Nos estudos do desempenho humano necessrio considerar aqueles fatores que
tm o maior efeito no desempenho. Num ambiente de interao homem mquina
muitos so os fatores que incidem no desempenho humano (PSFs - performance
shaping factors). Alguns como o equipamento, os procedimentos ou as instrues orais
xvii

so fatores externos. Outros como as caractersticas individuais do inspetor, as suas


motivaes, suas destrezas e habilidades, so fatores internos. Os fatores de incidncia
no comportamento humano sero analisados como atributos de confiabilidade humana.
Um estudo de elicitao de conhecimento de especialistas feito com o objetivo de
obter os dados expressados em termos lingsticos, para conhecer o nvel de
importncia de cada atributo de confiabilidade. Buscando oferecer uma perspectiva
mais poderosa de Anlise de Confiabilidade, constri-se um modelo que faz uso de uma
abordagem heurstica, utilizando a informao imprecisa ou mesmo a ausncia dela,
tendo como sada a avaliao da confiabilidade humana em termos de grau de
atendimento a um padro de desempenho do inspetor.
O estudo do procedimento PR-011 que fixa as condies exigveis e prticas
recomendadas na realizao do ensaio no destrutivo por ultra-som atravs da
construo de uma boa seqncia de tarefas, a mais pulverizada possvel, facilita a
identificao daqueles eventos humanos (tarefas ou aes) que afetam a confiabilidade
do sistema de inspeo. As opinies dos especialistas, em termos de probabilidades de
falha (presentes em cada ao humana do procedimento de ensaio), o nvel de
dependncia entre tarefas e o grau de transtorno que ocasiona uma falha nos eventos
subseqentes, so os dados de entrada de uma rvore de falhas do inspetor. Combinar as
curvas de possibilidades para cada ao humana numa s permite ter-se um conceito de
medida fuzzy usado durante a anlise qualitativa e quantitativa da rvore de falha do
inspetor. Na sada dos clculos da rvore de falhas, obtemos uma probabilidade de erro
expressa atravs de um subconjunto fuzzy no intervalo [0,1] que representa a
confiabilidade humana durante a interao do inspetor com o procedimento PR-011.
Devido necessidade constante de altos nveis de confiabilidade, este trabalho
uma tentativa de avaliar a confiabilidade humana do ensaio no destrutivo por ultrasom.

xviii

II.- REVISO BIBLIOGRFICA.

II.1 Confiabilidade humana convencional.


A falha um fenmeno praticamente inevitvel nos sistemas e produtos
tecnolgicos. Na teoria convencional, a confiabilidade de um sistema definida como a
probabilidade que tem o sistema para desempenhar funes predefinidas (sem falhas)
num tempo predeterminado sob condies pr-especificadas. A teoria convencional de
confiabilidade baseada em duas suposies:

i.

A probabilidade que falhe o comportamento do sistema est inteiramente


caracterizada num contexto de medidas de probabilidade.

ii.

O sistema demonstra somente dois estados ntidos: funcionando ou falhado; em


qualquer instante, o sistema se encontra em um dos dois estados.
Segundo FUJITA [13] o incio da anlise de confiabilidade humana data dos

anos 50. Um dos estudos mais antigos, baseado na anlise convencional de


confiabilidade, foi feito no Sandia National Laboratory nos Estados Unidos, envolvendo
sistemas de armas nucleares. Muito esforo foi feito para desenvolver um banco de
dados de confiabilidade humana no Instituto Americano de Pesquisa para o
Armazenamento de Dados (American Institute Research Data Store AIR) at o incio
dos anos 60.
Em 1964, foi realizado um simpsio nos Estados Unidos no qual o estado da arte
dos mtodos de Confiabilidade Humana foi apresentado, sendo a tcnica THERP
(Technical for Human Error Rate Prediction) e a simulao de Monte Carlo as mais
destacadas. SWAIN [14] classificou os mtodos de anlise de confiabilidade humana
como mtodos da primeira e da segunda gerao. Esta primeira gerao de mtodos foi
influenciada amplamente pelo enfoque de anlise probabilstica de segurana (PSA).
Nos anos 70, o pesquisador Swain afirmou que a metodologia THERP tinha chegado a
um nvel que podia ser aplicada a problemas industriais reais. Ao mesmo tempo, a

xix

tcnica de simulao de Monte Carlo emergiu como uma metodologia significativa de


pesquisa.
Todos estes mtodos dependem de dados para a avaliao das aes humanas. O
conceito de dados aqui inclui os dados qualitativos (aes de erros e PSFs) e os dados
quantitativos referentes s probabilidades de erros humanos (HEP). Nem todos os
mtodos so igualmente significantes, aqui so apresentados cinco mtodos
fundamentais representando a primeira gerao: THERP (Technique for Human Error
Rate Prediction), ASEP (Accident Sequence Evaluation Program), HCR (Human
Cognitive Reliability), PHRA (Probabilistic Human Reliability Analysis) e SLIM
(Success Likelihood Index Method). Geralmente so quatro as fontes de onde so
obtidos os dados: estimados de especialistas, estudos de simulao (em HCR e PHRA),
experimentos e experincias operacionais (em THERP e ASEP).
SWAIN [9] considerou como as mais notveis caractersticas comuns dos
mtodos da primeira gerao tipificadas atravs da THERP as seguintes:
i.

O enfoque da THERP usa a tecnologia convencional de confiabilidade onde o

desempenho humano comparado ao desempenho do equipamento, i.e as tarefas


humanas so substitudas por probabilidades nominais de erros.
ii.

A anlise de confiabilidade humana limitada somente s aes humanas que

so includas na anlise probabilstica de segurana na rvore de eventos ( diagrama


lgico utilizado para representar as diferentes subtarefas que formam parte de uma
tarefa principal com seus correspondentes valores de HEP, necessrios para estimar
o valor de HEP da tarefa) e como resultado a qualidade da anlise depende da
preciso e o cuidado do modelo de anlise probabilstica de segurana.
iii.

A ao humana representada de forma binria, ou seja, na hora de fazer uma

ao o resultado poderia ser ou sucesso ou falha. A rvore de eventos humanos um


exemplo tpico desta representao binria das aes humanas.
iv.

Os aspectos cognitivos internos no tiveram o tratamento adequado, ou seja, os

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.

A confiabilidade humana a probabilidade de que a ao humana requerida seja

realizada corretamente no momento requerido (se existirem limitaes do tempo),


ou seja, a probabilidade de que no se produz erro humano. O erro humano
determinado pelos limites de tolerncia estabelecidos pelo sistema sobre o qual se
atua; por isso a definio de confiabilidade humana est associada confiabilidade e
disponibilidade dos sistemas. feita uma nfase sobre a quantificao das
probabilidades do desempenho incorreto das aes humanas, identificadas nos PSA
das rvores de eventos. Esta quantificao criou a necessidade de ter um banco de
dados sobre as probabilidades de erros humanos (HEP) para diferentes tarefas.
Alguns desses dados podem ser efetivamente usados somente para aquelas situaes
onde as aes humanas podem ser descritas relativamente fceis num ambiente
simples. Entretanto, para as situaes onde as aes humanas devem ser realizadas
num ambiente mais complicado, a aplicao desses dados pode ser, praticamente,
sem efeito.
vi.

Tratamento indireto do contexto: As aes humanas que necessitam ser

analisadas so identificadas dentro de uma rvore de eventos. A tarefa de interesse


decomposta em subtarefas com suas correspondentes probabilidades nominais de
erros humanos. A anlise da tarefa complementada com os fatores de incidncia
no comportamento (performance shaping factors- PSFs). Um PSF qualquer fator
que influencia no comportamento humano e portanto na qualidade de sua resposta
ou desempenho (ver Figura II.1). Entretanto os mecanismos no qual os PSFs
exercem uma influncia sobre o desempenho humano no so descritos atravs do
modelo do operrio. A influncia dos PSFs sobre o desempenho do operrio
simplesmente levado em conta atravs da multiplicao de HEPs nominais e
Pr (HEP | Context) = Pr (Basic HEP) * [ PSFi * Wi ]

(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

5. Avaliao do Fator de Incidncia no Comportamento (PSF).


6. Avaliao da dependncia entre aes.
7. Avaliao da HEP (Probabilidade de erro humano).
8. Ajuste dos efeitos de recuperao de erros.
9. Anlise de sensibilidade (se necessrio).

Figura II.1.- Fatores de incidncia no comportamento humano (PSF).

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

a partir de julgamentos de especialistas ou de dados de um simulador (Ver Figura II.2).


A proposta mais antiga foi a Correlao Tempo Confiabilidade desenvolvida por
Wreathall e seus colegas. Eles propuseram determinar as probabilidades do erro humano
em funo do tempo disponvel para diagnose.

Figura II.2.- Correlao Tempo Confiabilidade.


RASSMUSSEN desenvolveu o esquema S-R-K [11], o qual forneceu uma
influncia marcante no tempo de pesquisa dos fatores humanos na rea nuclear. Ele
considerava trs tipos de comportamento humano: comportamento baseado na destreza
(onde existe uma relao automtica estmulo resposta; no existe um processo de
interpretao ou diagnstico e depende do nvel de treinamento e prtica mas no da
complexidade da tarefa); comportamento baseado em regras ( governado por regras
que o operrio conhece, tem um nvel de prtica menor do que o comportamento
anterior devido a que as tarefas so executadas comparando a informao que se recebe
com regras e padres com os que est familiarizado usando o enfoque SE-ENTO,
requer de certo nvel de interpretao e diagnstico) e o comportamento baseado no
conhecimento, que depende totalmente dos conhecimentos do operrio e habilidade para
utiliza-los.
O modelo de Rassmussen baseado na suposio de que os seres humanos
geralmente realizam suas tarefas no nvel mais baixo possvel para minimizar o volume
de elementos de tomada de decises ou de processos cognitivos. As tarefas baseadas na
destreza requerem pouco ou nenhum processo de tomada de decises e, por isso, ao
receber o estmulo a tarefa diretamente executada. No caso das tarefas baseadas em

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 )

Kj Coeficiente dependente do fator de incidncia no comportamento.


Na tabela II.1 esto representados os valores dos coeficientes A, B, C em funo
do tipo de comportamento.

Tabela II.1.- Coeficientes A, B, C.

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

Na tabela II.2 esto os valores de Kj em funo do PSF. Cada fator de incidncia


no comportamento do homem est representado por diferentes nveis
A incorporao dos aspectos de conhecimentos estatsticos Anlise de
Confiabilidade Humana foi um outro interesse tcnico nos meados dos anos 80, levando
ao surgimento de outras tcnicas estruturadas.
Tabela II.2.- Coeficientes Kj

Fator de incidncia no comportamento


Experincia (K1)

Nvel de estresse (K2)

Nvel

Kj

1.- Especialista, bem treinado.

-0.22

2.- Mdio, treinamento regular.

0.00

3.- Novo, treinamento mnimo.

0.44

1.- Situao de emergncia grave.

0.44

2.- Situao de emergncia

0.28

potencial.
3.- Ativo. No emergncia.

0.00

4.- Baixa atividade, baixa vigilncia. -0.28


Qualidade da interao homem

1.- Excelente.

-0.22

mquina (K3)

2.- Boa.

0.00

3.- Aceitvel.

0.44

4.- Pobre.

0.78

5.- Extremamente pobre.

0.92

A mais tpica das tcnicas estruturadas o Procedimento de Confiabilidade Humana


Sistmica (SHARP) proposto por HANNAMAN [13]. O modelo SHARP adota a
Confiabilidade Cognitiva Humana (HCR) e THERP como mtodos padres para
avaliao das falhas cognitivas e falhas de procedimento respectivamente.
WHALLEY [15] afirma que o Gerenciamento Probabilstico de Risco (PRA) foi,
em 1983, considerado o mais importante mtodo para aumentar a segurana em
engenharia. Este Gerenciamento foi tambm contribuindo para o fato que havia uma
xxv

necessidade para o estudo continuo da falha humana. REASON (1977), NORMAN


(1981) e SENDERS (1983) reforaram a teoria relacionando-a s causas das falhas
resultantes, enquanto EMBREY [16] explorou o uso de julgamento especializado para
manipular um modelo de confiabilidade humana e proporcionar as probabilidades de
falha. O modelo de Embrey considera a Probabilidade de Erro Humano (HEP) como
uma funo dos fatores de incidncia humana (PSF) e os efeitos totais de diferentes
PSFs podem ser agregados atravs da decomposio funcional de atributos mltiplos
(Multiple Attribute Utility Decomposition). Este modelo conhecido como SLIMMAUD (Success Likelihood Index - Multiple Atribute Utility Decomposition) e
apresenta o seguinte procedimento:
i.

Seleo de PSFs relevantes para as tarefas.

ii.

Avaliao atravs da opinio do especialista do nvel de importncia de cada


PSF.

iii.

Julgar cada PSF atravs da opinio do especialista.

iv.

Clculo do ndice de Probabilidade de Sucesso (Success Likelihood Index -SLI).

v.

Avaliao da HEP usando como base dados empricos.(Ver Figura II. 3).

vi.

Avaliao do intervalo de confiana do resultado.

Figura II.3.- Avaliao do HEP a partir do SLI.


Nos mtodos da primeira gerao, o trabalho humano foi caracterizado atravs
de uma escala de "o fazer" para o pensar. Algumas tarefas tais como as aes manuais
ou dar seguimento ao procedimento requerem muito de fazer e pouco de pensar;
entretanto, em outros casos, como a diagnose, planejar, interpretar e avaliar requerem
muito de pensar e pouco de fazer.

xxvi

O desenvolvimento da tecnologia moderna mudou a natureza do trabalho


humano. Hoje, no projeto de sistemas, aos aspectos ergonmicos convencionais
devemos adicionar os aspectos ergonmicos cognitivos. Nas anlises de confiabilidade
humana a primeira gerao foi substituda pela segunda gerao dentro de um contexto
sensitivo anlise de confiabilidade cognitiva.
As falhas humanas esto presentes nos sistemas cognitivos. Segundo
HOLLNAGEL [12], a base para o entendimento do desempenho humano ter um
conhecimento detalhado das aes humanas em um contexto objetivo e na sua imagem
subjetiva existente na mente humana. Desta forma, se capaz de definir, predizer e
reconhecer o limiar deste sistema cognitivo num contexto dado, o qual pode levar a
erros cognitivos.
Os mtodos da segunda gerao, tais como ATHEANA (ver Figura II.4),
HERMES, MERMOS e CREAM, j consideram os nveis de deciso, os processos de
diagnose, as destrezas, os conhecimentos do operrio e os fatores organizacionais.

xxvii

Figura II.4.-Anlise de Confiabilidade humana. Mtodo ATHEANA.


As mais notveis caractersticas comuns dos mtodos de segunda gerao,
tipificadas atravs da ATHEANA (A TEchnique for Human Error ANAlysis) e
CREAM (Cognitive Reliability and Error Analysis Method) so as seguintes :
O mtodo ATHEANA comea com uma apresentao de eventos de falha
humana (HFEs) que so identificados desde cenrios de acidente usando um modelo de
Anlises Probabilstico de Segurana (PSA). Os HFEs so caracterizados atravs de
aes inseguras (AIs), as quais constituem aes inapropriadas escolhidas pelo operrio
ou no escolhidas quando necessrias que resultam numa degradao da condio de
segurana do sistema. O seguinte passo para caracterizar o contexto de induo ao
erro (EFC) que o efeito combinado dos fatores de incidncia no comportamento
(PSFs) com as condies do sistema que criam uma situao em que o erro humano
provvel.
O caminho atravs do qual quantificada a probabilidade de falha humana num
evento dado por:
P ( HFEijr) = P (EFCi)* P (AIjEFCi)* P(REFCiAIjEij)

(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.

centrado na identificao do contexto de induo ao erro e dos erros humanos,


em particular os erros de comisso que podem ocorrer no contexto de induo ao
erro em continuao de um acidente (ao cometer um erro o pessoal pode originar
uma situao anormal ou acidente).
xxviii

ii.

Procedimentos muito detalhados para se conhecer em detalhe a razo pela qual


as aes no seguras so associadas a eventos de falha humana. O mtodo
identifica detalhadamente os mecanismos de erros atravs de regras formais e
informais (procedimento heurstico). usado para fazer uma anlise retrospectiva
(causa contexto efeito; efeito contexto causa) de um nmero pequeno de
eventos de falha humana.

iii.

um tipo de PSA orientado onde os eventos de falha humana so tratados de


uma forma binria de sucesso ou falha.

iv.

centrada fundamentalmente em anlises de identificao de erros humanos


ps-acidentes.

O CREAM um mtodo de anlise tanto retrospectivo quanto prospectivo. A


anlise prospectiva ajuda a predizer como ser o desempenho humano indo desde as
causas at os efeitos. A anlise retrospectiva faz uma anlise dos eventos desde o efeito
at as causas.

Este mtodo, quando usado para predizer o desempenho humano, apresenta as


seguintes caractersticas (ver Figura II.5):

i.

A tarefa selecionada a partir da Anlise Probabilstica de Segurana de


conseqncias de um evento ou a partir de outra anlise similar.

ii.

A tarefa analisada atravs de um mtodo de anlise hierrquico de tarefas.

iii.

So avaliadas as condies de trabalho, tambm chamadas de condies de


desempenho comum (CPCs common performance conditions) sob as quais
desempenhada a tarefa. Um total de 9 CPCs usado no CREAM: (a) adequao
da organizao, (b) condies de trabalho, (c) adequao da interao homem
mquina e do suporte operacional, (d) disponibilidade dos procedimentos, (e)
nmero de objetivos simultneos, (f) disponibilidade de tempo, (g) horrio do

xxix

dia, (h) adequao da preparao e do treinamento, e (i) qualidade da


colaborao do grupo.
iv.

O Perfil de Demandas Cognitivas construdo para identificar as demandas


especficas para o conhecimento em termos de um conjunto simplificado de
funes cognitivas, ou seja, observao, interpretao, planejamento e
execuo.

v.

A probabilidade do uso do modo de controle determinada para cada elemento


da tarefa atravs de uma integrao de efeitos dos CPCs especficos para a
tarefa dada.

Figura II.5.- Predio do desempenho humano no CREAM.

vi.

A probabilidade de falha da funo cognitiva identificada em termos das 4


funes cognitivas mencionadas em (iv).

vii.

As probabilidades de falhas cognitivas para cada elemento da tarefa e para a


tarefa como um todo podem ser estimadas atravs da probabilidade nominal de
xxx

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.

O CREAM pode ser usado em diferentes anlises de sistemas:


i.

Como um mtodo de anlise tanto retrospectivo quanto prospectivo, usando uma


taxonomia consistente para os modos de erros e as causas dos erros.

ii.

Como parte de um mtodo de projeto para sistemas interativos complexos.

iii.

Como um mtodo de anlise de confiabilidade humana em contexto de Anlise


de Segurana Integrado (ISA) ou Anlise Probabilstica de Segurana (PSA).

As caractersticas fundamentais do CREAM so descritas por KIM [17], como um


mtodo que:

i.

Identifica aquelas tarefas ou aes humanas que requerem ou dependem do


conhecimento e da experincia humana e que podem ser afetadas pelas variaes
na confiabilidade cognitiva (cognitive reliability).

ii.

Determina as condies (tarefas ou aes) sob as quais a confiabilidade


cognitiva (cognitive reliability) pode ser reduzida, e onde podem constituir uma
fonte de risco. Estas condies so chamadas de condies de desempenho
comum (CPCs common performance conditions).

iii.

Avalia as conseqncias do desempenho humano sobre a segurana do sistema


usado nos Anlises Probabilsticas de Segurana e Risco.

iv.

Desenvolve e especifica modificaes que melhorem estas condies (tarefas ou


aes), desde que sirvam para aumentar a confiabilidade cognitiva (cognitive
reliability).

Ao final dos anos 90 o mtodo CREAM constituiu a melhor forma de


compreender, avaliar e quantificar a contribuio do fator humano segurana e risco
de uma instalao. Por esta razo, atualmente constitui uma parte importante das PSA,

xxxi

onde se combina o tratamento da confiabilidade de equipamentos e a confiabilidade


humana.
A suposio bsica dos mtodos cognitivos que o erro humano cognitivo (HE)
oriundo da existncia de gradientes no modelo mental (se comparado realidade), os
quais determinam seu comportamento e suas caractersticas. Os enlaces e dependncias
entre os parmetros do fenmeno e os cognitivos, que especificam o mecanismo de
rpidas e lentas mudanas na estrutura e propriedades da interao homem mquina,
determinam a regularidade do fenmeno. A especificidade determinada atravs de
mudanas de parmetros de carter nico baseados num passado concreto (causas,
histria), presente (manifestaes) e futuro (conseqncias esperadas) do evento.

II.2 Confiabilidade dos Ensaios No destrutivos.


As pesquisas sobre a confiabilidade dos ensaios no destrutivos comearam em
1960, estabelecendo-se um relacionamento entre os defeitos nas partes planas de uma
pea e regras da fratura mecnica. Em meados de 1970 a teoria de anlise de
confiabilidade dos END foi desenvolvida. Durante a dcada de 80 foi introduzida a
teoria de probabilidade de deteco, usando a distribuio de parmetros, baseados em
trabalhos de comprovao de dados de confiabilidade.
De acordo com a teoria convencional, a confiabilidade do sistema de ensaio no
destrutivo pode ser definida como a probabilidade de deteco. Isto significa que os
defeitos de tamanho maior que um valor determinado podem ser detectados. Segundo
PROVAN [18], Packman foi o pioneiro na pesquisa sobre a confiabilidade ou
sensibilidade dos END, fazendo uma anlise baseada na teoria da distribuio binomial.
A maioria das tcnicas identificadas dos anos 60 at meados dos anos 80
continua a ser empregada at o presente momento.
SILK [19] obteve a curva de probabilidade de deteco de defeitos internos e
superficiais (POD) atravs de anlises e comparaes com MARSHALL [20].
DIMITRIJEVIC [21] obteve a funo entre POD e o tamanho do defeito. O valor de
POD foi de 0.933 se o tamanho do defeito era de 4mm. Trs itens foram tomados em
conta:
xxxii

i.

Justificativa dos estimados baseados na opinio dos especialistas.

ii.

Combinao de tcnicas de END e sua interdependncia.

iii.

Desempenho das tcnicas de END.


A partir dos trabalhos de Silk, a confiabilidade da inspeo tem sido

freqentemente expressada em termos de probabilidade de deteco (POD). A


confiabilidade de uma inspeo comeou a ser definida como a probabilidade do
inspetor detectar um defeito existente e de dimensiona-lo corretamente. Apesar de
parecer simples, esta definio encerrava itens complexos tais como a natureza do
defeito, a aparelhagem, os equipamentos, o fator humano, o processamento de dados e a
avaliao, entre outros.
Embora a POD seja uma medida de desempenho de um processo de inspeo
em um tempo especfico, ela reflete a capacidade do procedimento e pode ser somente
vista como um processo de medida de confiabilidade se a inspeo est sob controle.
De acordo com os requerimentos do cliente, a formulao da tarefa a executar
pelo inspetor ser a combinao de duas partes (a e b). A figura II.6 ilustra a tarefa de
deteco [22]:
a.- detectar defeitos presentes de uma dimenso pequena ou detectar defeitos, de certo
tipo, presentes.
b- confirmar se partes de um componente livre de defeitos est livre de defeitos no
momento do ensaio, confirmar que no esto presentes defeitos maiores ou iguais a
certas dimenses ou confirmar que defeitos de certo tipo no esto presentes.

xxxiii

Figura II.6.- Ilustrao tpica da tarefa de deteco [22].


Existem diferentes enfoques sobre o problema de garantir ou demonstrar a
confiabilidade dos END, tais como:
i) -A aplicao de normas prescritivas estabelecidas,
ii).- O uso de tcnicas de tentativas cegas (blind trials) a probabilidade de deteco do
defeito (POD) baseada nos resultados de experimentos, a probabilidade de deteco do
defeito (POD versus a ), a probabilidade de deteco do defeito baseada na
distribuio quantitativa do sinal, a probabilidade de deteco do defeito POD
combinada com o sucesso na indicao correta do tipo de defeito, a probabilidade de
falso alarme (PFA) baseada em falsas indicaes durante os experimentos e a PFA
baseada na distribuio quantitativa do rudo do sistema END.
iii).- A modelagem e as justificativas tcnicas so os enfoques mais conhecidos [23].
Os quatros possveis diagnsticos de um ensaio no destrutivo so representados na
figura II.7.

xxxiv

Figura II.7.- Os quatro casos de diagnstico nos sistemas de END [24].

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

O Programma PISC comeou em 1974 sob o auspicio do Center of the European


Comission / Joint Research Center CEC/JRC. Teve o objetivo geral de avaliao da
capacidade e confiabilidade das tcnicas de inspeo e procedimentos para a avaliao
no destrutiva dos componentes estruturais. Muitos procedimentos mostraram a boa
capacidade de deteco das tcnicas de ultra-som e eddy current em lugares tpicos do
gerador de vapor das usinas nucleares. O PISC analisou alguns fatores humanos que
influenciam nos resultados da inspeo. Chegou concluso que dependendo do
ambiente e da motivao, os inspetores mostram variabilidade nos resultados. BIETH et
al [30] mostram que esta variabilidade pode reduzir a efetividade da inspeo em 30 %
e tem ciclos caracterizados por perodos segundo o turno de trabalho (de manh,
tarde), segundo o dia da semana (segunda a quarta), e segundo o tempo de trabalho do
inspetor .
No 1st European-American Workshop sobre Confiabilidade em END,
NOCKEMANN [31] identificou o fator humano como um dos elementos principais que
afetam a confiabilidade dos ensaios no destrutivos. A Confiabilidade do ensaio foi
definida atravs de um modelo emprico conceitual. A expresso a seguir foi
representada por SERGE CRUTZEN e MATT GOLIS:
R f(IC) - g(AP) - h(HF)

(II.4)

onde,

R a Confiabilidade total do sistema de END.

f(IC) uma funo da capacidade intrnseca do sistema de END (tcnica ou


combinao de tcnicas), geralmente considerada num limite superior.

g(AP) a funo do efeito dos parmetros aplicados (restries ao acesso, estado


da superfcie do material inspecionado, etc).

h(HF) a funo do efeito dos fatores humanos (experincia, treinamento,


qualificao, destreza, habilidade, conhecimento, personalidade).
A definio de confiabilidade nos END apresentada de forma grfica na figura II.8.

xxxvi

Figura II.8.- Uma representao grfica do conceito de Confiabilidade nos END [31].

Este modelo conceitual mostra que:


i.

A confiabilidade de um sistema de inspeo ultra-snico nunca ser maior do que a


confiabilidade para um sistema ultra-snico idealizado.

ii.

A confiabilidade do sistema ser reduzida durante a inspeo, devido ao surgimento


de desvios (que podem ser considerveis) das suposies idealizadas, usadas na
determinao das capacidades intrnsecas da tcnica ultra-snica. As suposies
idealizadas que podem ser afetadas so chamadas de parmetros aplicados.

iii.

Quando os parmetros aplicados tm um efeito considervel, a confiabilidade ideal


do sistema reduzida em correspondncia com a funo g.

iv.

Quando os fatores humanos associados com a inspeo manual so considerveis, a


confiabilidade do sistema ser reduzida em correspondncia com a funo h.

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)

MATTEW [32] considerou que ss elementos que contribuem aos parmetros IC


e AP nos ensaios tipo ultra-som (ver Tabela II.3) so o material, o instrumento de
medio, o transdutor, a colocao deste e a natureza da descontinuidade esto
relacionados entre os principais elementos de uma inspeo. Outros elementos
importantes so o operador treinado e qualificado, a norma tcnica, manuais e/ou
procedimentos, o acoplante e os blocos de calibrao e de referncia .

xxxvii

Tabela II.3 Elementos que contribuem aos parmetros IC e AP.

Elemento

Capacidade Intrnseca (IC)

Parmetros aplicados (AP)

Material

Homogneo

Rudo (disperso)

Isotrpico

Atenuao

(absoro

disperso)
Superfcie Polida

Rugosidade superficial

Superfcie Plana

Curvatura da superfcie

Impedncia acstica ideal

Impedncia acstica

Velocidade acstica
Instrumento

Nvel de rudo eltrico


Escala dinmica
Sada do pulso
Sinais no filtrados

Transdutor

Emprego de filtros

Tamanho efetivo
Comprimento de onda
Coeficientes de converso
Impedncia acstica

Descontinuidade Orientao mxima, Tamanho do Mudanas

(material/stress),

ngulo direito, difrao limitada orientao, tamanho, lisura ou

Colocao do

planar e polida

planura.

No forado

Limite do foramento

Zona de colocao (cobertura)

Intervalos de exames

Manejo

Posio do(s) ngulo(s)

Leitura esttica

Acesso superfcie (inerente e

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

Os fatores humanos, o treinamento e o nvel de escolaridade.

Possvel reduo dos fatores humanos atravs dos mtodos de inspeo

automatizados.
-

Necessidade de procedimentos claros e detalhados que possam ser estritamente

seguidos e validados.
-

Aplicabilidade das redes neurais como mtodo heurstico nos sistemas de

inspeo.
-

Significncia da aplicao da calibrao para a confiabilidade da inspeo.

Reduo de custos atravs da aplicao de modelos computadorizados durante a

inspeo.
-

Necessidade de coleta de dados para estimar a POD e a PFA.


O PISC considera como principal aspecto da confiabilidade a funo da

capacidade intrnseca do sistema de END (f(IC)) e a influencia dos fatores humanos


predita. Em alguns casos a funo IC e a funo AP so combinadas.
Existem algumas diferencias entre os enfoques usados nos EUA e na Europa:
-

nos EUA, no ASME Appendix VIII considera-se que os trs elementos da


confiabilidade dos ensaios so difceis de separar.

na Europa, ENIQ separa os elementos e se dedica primeiro aos aspectos de


capacidade e caractersticas de aplicao, independentemente da interao humana.
Em maro de 1999 [33] a Comisso Europia, no seu Relatrio Final, usou as

tcnicas de tentativas cegas e o resultado de estudos paramtricos executados por


instituies independentes. Um raciocnio de avaliao e integrao estrutural foi usado
para responder s perguntas sobre a probabilidade de deteco do defeito de
determinada dimenso, a capacidade de localizao do defeito, a capacidade de
classificao do defeito, a preciso da dimenso do defeito, e a probabilidade de alarme
falso.
O Relatrio considera tambm que o fator humano pode ser controlado atravs
de um programa de gesto da qualidade que no caso adverso de distrao ou motivao
xxxix

o efeito do inspetor pode reduzir a confiabilidade do desempenho total at to pouco


quanto zero . A efetividade da inspeo pode ser mostrada atravs da expresso II.6.:
E = f(IC) - g(AP).

(II.6)

Atualmente o processo de demonstrao estruturada de desempenho um dos


mtodos mais efetivos para determinar a Confiabilidade dos END. Para este processo os
elementos crticos como o equipamento e o procedimento podem ser "demonstrados"
baseados em amostras para verificar a capacidade de deteco das descontinuidades
requeridas. Esta informao pode ser utilizada para determinar a POD do equipamento e
do procedimento. Aqui assumido que o inspetor implementa corretamente todos os
itens do procedimento e desta forma os elementos do fator humano so isolados.
A demonstrao de desempenho para aplicaes empricas um enfoque onde o
uso de amostras de material contendo defeitos conhecidos a base para o estudo da
influncia de fatores sobre a detectabilidade tais como a calibrao, mudanas do
equipamento de inspeo ou os programas de treinamentos dos inspetores [34]. Os
programas de ensaios deste tipo so usualmente usados em conjunto com round
robin ou outros procedimentos de aquisio de dados interlaboratrios. Este tipo de
ensaio usado para a avaliao tanto quantitativa (dimensionar atravs da amplitude do
sinal) quanto qualitativa da confiabilidade do ensaio (localizao e classificao do
defeito).
Na prtica, os programas de ensaio de demonstrao estruturada de
desempenho so usados principalmente como mtodo qualitativo em termo de tentativa
cega, como indicado na figura II.9, onde a entrada (verdadeira posio do defeito no
componente) e a sada (indicao do defeito no relatrio) so comparadas e o canal de
transferncia do sinal tratado como uma caixa preta (Ver Figura II.10).

xl

Figura II.9- Princpio de uma avaliao de demonstrao do desempenho usado na


avaliao da confiabilidade dos END.

Figura II.10- Canal de transferncia do sinal radiogrfico.


O programa PISC e o programa PDI do Instituto de Pesquisas de Potncia
Eltrica (EPRI) tm realizado vrios experimentos sob esta filosofia.
A figura II.10 refere-se a um ensaio radiogrfico mas serve como exemplo para
qualquer tcnica de END. Aqui os aspectos sociais e psicolgicos atuantes no meioambiente durante a avaliao da confiabilidade do ensaio no so considerados.
A capacidade de deteco usualmente expressa em uma de duas formas: POD
como uma funo do tamanho do defeito, ou POD como uma funo de PFA. Para o
primeiro destes formatos uma simples curva representa a relao entre POD e o
xli

tamanho do defeito para determinados parmetros de inspeo e para um simples limiar


de inspeo (por exemplo, reportar todas as indicaes maiores que 1mm). O segundo
formato usualmente referido s Caractersticas de Operao Relativa (Relative
Operating Receiver, ou ROC) algumas vezes incorpora uma famlia de curvas (ver
figura II.11). Cada uma destas curvas representa uma relao entre POD e PFA, a
medida que o limiar de inspeo varia para defeitos de um simples tamanho. Desde o
ponto de vista da deteco do sinal, estes dois formatos so diferentes caminhos para
expressar a mesma relao entre sinal, rudo e o limiar de inspeo selecionado.
Desta forma, um conjunto de curvas POD, cada uma com diferentes PFA, pode ser
transformado em um conjunto de curvas ROC, cada uma para um diferente tamanho do
defeito, por exemplo.

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

qualitativos (pea aprovada ou rejeitada). Os dados so apresentados em formato de


curvas POD versus a dimenso ou tamanho do defeito, e limiares de inspeo so
ajustados para calcular curvas especficas de valores de POD para defeitos de tamanhos
especficos. O mais utilizado o mtodo versus a o qual aparece ilustrado na figura
II.12.

Figura II.12.- Filosofia versus a para determinar a POD.


Um mtodo prtico para a validao dos END tem sido utilizado em casos
quando ensaios baseados numa base de dados emprica muito extensa no so possveis
devido ao custo ou por indisponibilidade de amostras de ensaios. Durante uma avaliao
controlada o canal de inspeo inteiro dividido em mdulos, desde o mdulo que
representa a parte fsica do mtodo at o da aquisio de dados e anlises. A
contribuio de cada mdulo incerteza total avaliada atravs de medies ou de
julgamentos de especialistas. Este mtodo conhecido com o nome de Validao
modular e se converteu numa base cientfica para as Justificativas Tcnicas
desenvolvidas empiricamente. Ver Figura II.13.

xliii

Figura II.13.-Validao Modular da Confiabilidade do sistema END.


Cada mdulo aporta uma probabilidade de xito determinada. Finalmente
calculada a Probabilidade Total do Sistema. Como exemplo a Figura II.14 mostra uma
avaliao da confiabilidade do mtodo de inspeo manual. O mdulo 1 representa a
fsica do processo radiogrfico (interao dos raios X com o tubo dando como resultado
um filme). O POD1 determinado atravs do modelo fsico. O mdulo 2 representa o
desempenho da interpretao de sinais pelos inspetores e o POD2 a probabilidade de
xito/falha na avaliao dos inspetores numa srie de experimentos. A Probabilidade
Total a multiplicao das duas probabilidades.
Segundo

as

concluses

do

2nd

American-European

Workshop

sobre

Confiabilidade em END [34], foi definida a confiabilidade do sistema END como o


grau com que o sistema capaz de atingir seus propsitos de deteco, caracterizao e
emitir falsos alarmes. Enquanto o Sistema de END foi considerado como os
procedimentos, o equipamento e o pessoal que utilizado no desempenho de uma
inspeo END e o fator humano como o estado fsico e mental, a experincia e
treinamento do pessoal, assim como as condies sob as quais o pessoal pode operar e
ter influencia na habilidade do sistema END.

xliv

Figura II.14 Esquema de exemplo do enfoque de Validao modular.


Os elementos do fator humano que afetam a confiabilidade dos END de acordo com
STEPHENS [35] so mostrados na tabela II.4:
Tabela II.4.- Elementos do fator humano que afetam a confiabilidade dos END.

Fatores fsicos e mentais


habilidades motoras, coordenao olhosmos, destreza, capacidade da viso,
discriminao da cor, campo visual, campo da viso, condies fsicas gerais,
necessidade de ajoelhar-se, curvar-se, sensaes, percepes, memria, tomada de
deciso.
Treinamento do pessoal
Nvel de escolaridade, qualificao, certificao, experincia.
Condies de operao
Condies de trabalho, meioambiente, organizao, calor, umidade
O aumento da automao dos procedimentos de inspeo END tem conduzido a
um aumento da quantidade de dados adquiridos, que devem ser interpretados em um

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:
-

Inclinao em direo psicologia da falha;

Utilizao da inteligncia artificial com o intuito de desenvolver simuladores


cognitivos;

Percepo de necessidade para pesquisas voltadas aos impactos organizacionais e


fatores de grupo.
De acordo com BITH [30], embora exista uma ampla gama de pesquisas sobre a

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.

II.3 CONFIABILIDADE HUMANA FUZZY

xlvi

II.3.1 Introduo Lgica Fuzzy.


A maior parte da linguagem natural contm ambigidades e multiplicidade de
sentidos. Em particular, os adjetivos que utilizamos para caracterizar objetos ou
situaes no nos permitem clareza suficiente, sendo ambguos em termos de amplitude
de significados. Se, por exemplo, dizemos que uma pessoa alta, no podemos
claramente afirmar quem alto ou quem no . A ambigidade de pessoa idosa vem do
adjetivo idoso. Adjetivos so usualmente qualitativos, mas alguns como alto ou idoso
so percebidos em conexo com quantidades de altura ou idade. Especialmente em
engenharia, adjetivos que descrevem estados ou condies so, quase sempre,
relacionados a quantidades. A maioria dos adjetivos so quantificados por meio de uma
dimenso de sentidos como altura, idade ou extenso, mas valores abstratos, tais como
um pequeno nmero ou grande nmero tambm podem ser dimensionados e
quantificados.
Muitas de nossas ferramentas para modelagem formal, para raciocinar e utilizar a
computao, so crisp, determinsticas, e precisas em sua natureza. Por crisp queremos
significar dictomo. Na lgica dual convencional, por exemplo, uma afirmao pode ser
verdadeira ou falsa e no pode assumir nenhum significado outro como
aproximadamente. Na teoria dos conjuntos, um elemento pode pertencer ao conjunto ou
no; em caso de otimizao, uma soluo possvel, vivel ou no.
O mundo real muito variado, constantemente sujeito a mudanas. Em outras
palavras, um mundo fuzzy: um veculo pode-se deslocar vagarosamente, uma pessoa
pode estar um pouco faminta, o tempo pode estar parcialmente nublado ou as
probabilidades de falha humana podem ser altas exemplos de distines que as
pessoas usam sempre que precisam tomar decises, ou estimar parmetros, com as quais
os computadores e outros meios de avanada tecnologia no so capazes de lidar.
O conceito de conjunto fuzzy, foi introduzido em 1965 por L. A. Zadeh que
observou que os recursos tecnolgicos disponveis eram incapazes de automatizar as
atividades relacionadas a problemas de natureza industrial, biolgica ou qumica que
compreendessem situaes ambguas, no passveis de processamento atravs da lgica
booleana. Procurando solucionar o problema do tratamento de informaes de carter
impreciso ou vago forneceu um ferramental matemtico que deu origem aos Sistemas
Fuzzy.

xlvii

Na teoria clssica dos conjuntos, um elemento pertence ou no pertence a um


determinado conjunto. Assim, pode-se definir a pertinncia de um elemento particular x
de um conjunto A em determinado universo U atravs de uma funo caracterstica f(x).

x A, f (x) =1
f (x) =
x A, f (x) = 0

xU

(II.7)

Os Sistemas Fuzzy tm se mostrado mais adequados para tratar imperfeies da


informao do que aqueles baseados na teoria das probabilidades. De forma mais
objetiva e preliminar, podemos definir como sendo um sistema capaz de capturar
informaes vagas, em geral descritas em uma linguagem natural, e convert-las para
um formato numrico, de fcil manipulao pelos computadores hoje em dia.
Uma forma mais ampla de verificar os campos de aplicao da lgica fuzzy
procurar dividir os problemas que podem ser abordados em trs categorias, tais como
Sistema Mquina, Sistema Humano e Sistemas Homem/Mquina.
O primeiro impasse que surge com o Sistema Mquina o de proporcionar um
alto grau de inteligncia mquina. Hoje em dia a inteligncia expressa em termos de
proposies na engenharia do conhecimento, onde reconhecimento, julgamento,
avaliao e inferncia so limitados. Por outro lado, a mente humana possui elementos
ilgicos, tais como intuio e inspirao, e isto virtualmente impossvel de expressar
atravs de um formalismo convencional.
A caracterstica especial da lgica fuzzy que resolve incongruncias ao
contemplar aspectos imprecisos no raciocnio lgico utilizado pelos seres humanos, ou
seja, ela representa de uma forma inovadora o manuseio de informaes imprecisas, de
forma muito distinta da teoria da probabilidade. A lgica fuzzy prov um mtodo de
traduzir expresses verbais, vagas, imprecisas e qualitativas, comuns na comunicao
humana, em valores numricos. Isto abre as portas para se converter a experincia
humana em uma forma compreensvel pelos computadores. Assim, a tecnologia
possibilitada pelo enfoque fuzzy tem um imenso valor prtico, tornando possvel a
incluso da experincia de especialistas e possibilitando estratgias de tomada de
deciso em problemas complexos.

II.3.2 Conjuntos fuzzy

xlviii

Para melhor compreendermos os conjuntos fuzzy devemos observar o conceito


geral de conjuntos. Tomemos como exemplo a seguinte preposio: a gua est
quente . Modelamos esta proposio definindo seus parmetros. Representamos a
temperatura da gua pela varivel T, a qual chamamos de universo de discurso [41, 42 ],
ou seja, a faixa de valores possveis desta varivel. Definimos ento A como sendo o
conjunto de elementos do universo de discurso T tal que a condio quente seja
verdadeira. Este conjunto chamado de conjunto crisp e pode ser definido como:

AT, onde A = {xx [50,90]}

(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)

ou, mais formalmente, A: X {0,1}

Na figura II.15 pode-se ver a representao do conceito crisp quente. Caso a


temperatura esteja entre 50 e 90 graus, tem-se 100% de certeza de que a gua est
quente; caso contrrio, no est.

Esta modelagem tem muitas aplicaes e utilidades especficas, contudo para


muitos casos sofre de perda e distoro da informao. Neste caso especfico, podemos
ver que a temperatura de 50C considerada quente e que um valor imediatamente
inferior a 49.9 no .

xlix

Figura II.15.- Representao do conceito crisp quente.

Por outro lado, podemos verificar que, dentro do raciocnio humano, as


afirmaes tm graus de certeza. Quando medimos uma temperatura, sabemos que o
termo quente est associado quela temperatura atravs de um grau de relevncia.

Um conjunto fuzzy ento definido por um grupo de elementos de um universo


de discurso X tal que cada elemento pertence ao conjunto com um grau de pertinncia
[42]. A funo caracterstica que associa cada elemento a um grau de relevncia ou
pertinncia chamada de funo de pertinncia. Esta funo normalizada assumindo
os valores reais no intervalo [0,1] e formalmente descrita por:

A : X [0,1], onde A um subconjunto fuzzy e X um universo de discurso.

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.

Figura II.16- Conceito fuzzy quente.

II.3.3 Representao.

Existem muitas formas de representar os conjuntos fuzzy. A primeira forma, mais


geral, considerar cada elemento do conjunto fuzzy A como um par ordenado (x, A (x))
onde x um elemento crisp do universo de discurso X e A(x) valor da pertinncia
para o elemento x, ou, mais formalmente,

A={(x, A (x)) | x X}

(II.10)

Nesta forma de representao podemos ter conjuntos finitos:


A={(x, A (x1)), (x, A (x2)), (x, A (x3)),...,(x, A (xn))}

(II.11)

ou no caso de um conjunto no finito,


A = {(x, A (x)) | A (x) = f(x) e x X}, onde f(x) pode tambm ser uma funo
contnua.

li

Outra forma utilizada definir diretamente A como sendo a funo de


mapeamento do universo de discurso X no valor normalizado de pertinncia [45]. Nesta
forma de representao, o conjunto fuzzy se confunde com a sua funo de pertinncia:
A : X [0,1]

Tem-se, por exemplo, um conjunto fuzzy A definido pelas curvas do grfico da


Figura II.17:

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 (/).

A= A (x1) / x1 + A (x2) / x2 + A (x3) / x3 +... + A (xn) / xn

(II.13)

Se A um conjunto finito e contvel, ento podemos escrever:


A=

A (xi) / xi , por outro lado, se A infinito, A =

A (x1) / x1

(II.14)

lii

Figura II.17.- Exemplo de representao de um conjunto fuzzy.

II.3.4 Caractersticas.

Os conjuntos fuzzy possuem vrias propriedades bsicas. Descreve-se aqui as


mais fundamentais [41, 42]. O conjunto suporte, ou simplesmente suporte, corresponde
ao intervalo pertencente ao universo do discurso X no qual a pertinncia ((x)) maior
do que zero. Como pode-se ver na Figura II.18 o suporte de um conjunto fuzzy A
formalmente descrito como:

supp(A) = { x X A(x) >0}

(II.15)

O maior grau de pertinncia que um conjunto fuzzy pode assumir chamado de


supremum ou altura e formalmente definido como:

h(A)= sup A(x), x

(II.16)

Figura II.18.- Exemplo de suporte e supremum.

Quando o supremum de um conjunto fuzzy igual a 1, o conjunto dito normal.

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)

Na figura II.19 podemos ver uma representao da aplicao de um -cut em 0.5


num conjunto fuzzy QUENTE. As linhas tracejadas representam o conjunto fuzzy
original. Uma das importantes propriedades dos -cut a alterao do suporte [42 ]. Na
figura II.19 verificamos os dois suportes em contraste.

Vrias formas de representao so adaptadas. Em geral utilizam-se subndices ou


superndices da forma A [41] ou A [42].

liv

Figura II.19.- Exemplo de corte-alfa

A convexidade um importante conceito para vrias questes de


consistncia matemtica. Ele generalizado dentro da teoria dos conjuntos fuzzy,
fornecendo base para vrias formulaes matemticas bem como interpretaes
conceituais [42, 43].
Para um conjunto fuzzy A dizemos que, dados (x1,x2) X, [0,1] e
(0,1], A convexo se e somente se, para todo -cut ,

A(x1+(1-)x2) min[A(x1), A(x2)]

(II.18)

A extenso deste conceito para os conjuntos fuzzy interpretada da seguinte


forma: A pertinncia entre dois elementos de um conjunto fuzzy deve ser maior ou
igual que a menor pertinncia entre estes dois elementos. De um outro modo, podemos
ver a convexidade como a inexistncia de mximos locais na funo de pertinncia.
Uma das necessidades de convexidade pode ser vista de um ponto de vista
conceitual. Em alguns casos queremos ter apenas um valor crisp para onde a relevncia
cresa.
A cardinalidade de um conjunto crisp definida como o nmero de elementos
pertencentes ao conjunto. No caso dos conjuntos fuzzy, cada elemento tem um grau de
pertinncia associado. Desta forma, a cardinalidadeA, dita escalar, de um conjunto
fuzzy finito A definido sobre X, seria

A= A (x), para um conjunto infinito, A= A (x) dx

(II.19)

xX

A cardinalidade escalar similar rea da curva de pertinncia, contudo


podemos definir uma cardinalidade relativa ao universo de discurso X. Isto nos
proporciona comparar a cardinalidade de conjuntos fuzzy independentemente.
A cardinalidade relativa representa a frao de elementos de X que esto em A,
ponderados pelo grau de pertinncia em A [44].

lv

Utiliza-se a notao A [44] para a cardinalidade relativa, onde


A = A X.

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) =

Card ( A) max{0, A( x) B( x)}


Card ( A)
xX

(II.20)

II.3.5.- Operaes.

A teoria dos conjuntos crisp contm trs operaes bsicas. So as operaes de


complemento, interseo e unio. Ela baseada nos conceitos de pertinncia, ou no, de
um elemento aos conjuntos.
A extenso da teoria fuzzy destes operadores disposta de forma a manter a sua
consistncia semntica [41, 42, 43]. Vrios autores propem conjuntos de funes para
realizar estas operaes. As operaes de interseo e unio possuem classes de funes
denominadas de t-norma e t-conorma, respectivamente. Alguns axiomas devem ser
impostos para estas funes . Discutiremos aqui o conceito referente a cada um,
especificando a sua forma para cada operao distinta. Usaremos a notao
(A(x),B(x)) para definir genericamente uma de t-norma, (A(x), B(x)) para uma tconorma, e (A(x)) para o complemento genrico. Os termos A(x) e B(x) retornam o
valor de pertinncia para algum x X, onde X um universo de discurso. Os axiomas
de i a v so necessrios para caracterizao dos operadores. O axioma vi por vezes
desejvel.
i. Contorno As restries de contorno so relativas a manter a compatibilidade com
a teoria dos conjuntos crisp. Deve-se garantir que, quando um elemento x

lvi

pertencer ou no a um conjunto A de forma plena, ou seja, com pertinncia A=1


ou A=0, respectivamente, as operaes devem obedecer s regras clssicas.

Axioma 1a - (A(x),1) = A(x) e (A(x),0) = 0 para todo x

Axioma 1b - (A(x), 0) = A(x) e (A(x), 1) = 1 para todo x

Axioma 1c- (0)) = 1 e (1) = 0.

ii. Monotonicidade este princpio est relacionado a como a funo deve se


comportar quando os valores aplicados a ela so incrementados ou decrementados. Uma
funo deve, por exemplo, ser sempre crescente com o crescimento dos seus valores de
entrada ou sempre decrescente com o decrescimento dos valores de entrada. Para o
caso das t-normas, o axioma vem a partir do clculo com intervalos. Ele indica que a
unio ou interseo no cresce acima de seu limite superior de intervalo. Os
complementos, por outro lado, devem garantir o decrescimento da funo com o
crescimento de x.

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:

Axioma 2 a` se A1(x) A2(x) e B1(x) B2(x) implica que,


(A1(x), B1(x)) (A2(x), B2(x)). Para todo x X e igualmente,

Axioma 2 b` se A1(x) A2(x) e B1(x) B2(x) implica que,


(A1(x), B1(x)) (A2(x), B2(x)). Para todo x X.

Axioma 2 c se A(x) B(x) implica que, (B(x)) (A(x)). Para todo x X.

iii.- Comutatividade: Aplica-se somente s t-normas e t-conormas. Ela garante o


princpio bsico de operao com conjuntos e a propriedade de simetria.

lvii

Axioma 3a- (A(x), B(x)) = (B(x), A(x)), para todo x X

Axioma 3b- (A(x), B(x)) = (B(x), A(x)), para todo x X

iv.- Associatividade: Aplica-se somente s t-normas e t-conormas. Ela garante o


princpio bsico dos conjuntos fuzzy e estende a operao com os conjuntos fuzzy para
mais de dois conjuntos.

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

v.- Involuo: Este princpio se aplica somente ao operador de complemento. Garante


que uma vez aplicado o operador sobre si mesmo, retorna ao valor original.

Axioma 5a.- ( (A(x))) = A(x) para todo x X

vi.- Idempotncia: um requisito relativo a limites quando a funo aplicada a valores


iguais.

Axioma 6a.- (A(x), A(x)) = A(x) para todo x X

Axioma 6b.- (A(x), A(x)) = A(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),

Produto e Soma Algbrica


(A(x), B(x)) = A(x).B(x)
(A(x), B(x)) = A(x) + B(x) - A(x).B(x))

lviii

Diferena e Soma limitada


(A(x), B(x)) = mx(0,A(x) + B(x)-1)
(A(x), B(x)) = mn(1,A(x) + B(x))

Interseo e Unio Robusta


A ( x ) quando B ( x ) = 1

(A(x), B(x)) = B ( x ) quando A ( x ) = 1


0,
de outro modo

A ( x ) quando B ( x ) = 0

(A(x), B(x)) = B ( x ) quando A ( x ) = 0


1,
de outro modo

As propriedades bsicas dos conjuntos so estendidas para a aplicao dos -cut


permitindo a ampliao das capacidades de manipulao dos conjuntos fuzzy.

II.3.6 Variveis lingsticas

O conceito de varivel lingstica amplamente exposto [41,42] e mesmo


formalmente definido por quase todos os autores. A varivel lingstica , em termos
mais simples, uma varivel cujo domnio, ou valores, so termos da linguagem
referentes a um certo contexto [43]. Podemos dizer, por exemplo, que a varivel
lingstica "Idade" pode assumir os valores "Jovem ", "Adulto "ou "Velho".

Aplicando estes conceitos teoria fuzzy, os valores (Jovem, Adulto, Velho)


seriam nomes de conjuntos fuzzy, denominados termos lingsticos, os quais estariam
associados a um universo de discurso IDADE (Figura II.20). A varivel fuzzy Idade,
chamada tambm de varivel base [41,43], tem seus valores classificados pelos
conjuntos fuzzy. Eles nos permitem melhor adaptar conceitos genricos s variveis
lingsticas.

lix

Este processo de classificao similar a trabalhar com a varivel atravs de


intervalos [41]. Contudo, a extenso fornecida pela manipulao fuzzy nos d maior
nvel de informao. Uma das razes se deve relevncia em relao aos valores da
varivel base.

II.20- Exemplo de varivel lingstica

A flexibilidade fornecida pela funo de pertinncia nos permite fazer operaes


com os intervalos mantendo uma maior adequao com os conceitos do mundo real.
Para a construo de uma varivel lingstica [41,43] de nome V, definida sobre
um universo de discurso X, devemos ter um conjunto de termos lingsticos T com
gramtica de gerao g e uma regra semntica m. A gramtica g define a sintaxe dos
termos lingsticos. Ela pode ser constituda, simplesmente de uma lista de termos,
como por exemplo,
termo : = Jovem | Adulto | Velho

Ou ento regras de formao mais complexas que envolvam modificadores


(hedges) ou operadores, do tipo,

termo : = Modificador termo |


No termo |
Jovem | Adulto | Velho

lx

Modificador : = Muito | Pouco | Razoavelmente


Estas regras permitem a formao sinttica de termos lingsticos mais
complexos como Muito Velho, No Jovem, etc.

A regra semntica m define como os termos lingsticos estaro associados a


seus conjuntos fuzzy ou funes de pertinncia. Ela assinala o grupo de termos t T a
um grupo de conjuntos fuzzy (X), definido sobre um universo de discurso X, da forma:

m:T (X)

(II.21)

Para um termo qualquer t associado a uma varivel base u, teramos,

m(t)={u, T(u) | u X }

(II.22)

No exemplo da figura II.20 teramos as regras semnticas representadas pelas


funes de pertinncia jovem, adulto, e velho , as quais caracterizam os conjuntos
nebulosos (X). Usa-se definir o conjunto de elementos definidos acima como um
quntuplo (V, T, X, g, m) o qual caracteriza a definio formal de uma varivel
lingstica [41].

II.3.7 Operaes de Agregao

Em muitos casos, torna-se necessrio combinarmos dois conceitos ou termos


lingsticos diferentes que, de alguma forma, se aplicam parcial ou simultaneamente a
um mesmo atributo. Para isto necessrio unificar estes conjuntos em um novo
conjunto. Esta operao chamada de agregao [41, 43] e definida por uma funo
de transferncia h que combina n conjuntos nebulosos em um nico conjunto:

lxi

h: [0,1]n [0,1]

(II.23)

Um conjunto agregado de n conjuntos nebulosos C = h(A1, A2, ... An),


definido por:
C = {(x,c(x)) | c(x) = h(A1(x), A2(x),... An(x))}

(II.24)

Existem vrias funes de transferncia propostas na literatura [42] e cada uma


delas mais ou menos adequada ao problema especfico tratado. Uma funo de
agregao deve atender pelo menos 3 dos 5 axiomas [41]:

i.- Axioma 1.- Condies de contorno, h (0,0,0,...0) = 0 e h (1,1,...1) = 1


ii.- Axioma 2.- Crescimento monotnico. Se para qualquer par de tuplas A1(x),
A2(x),...An(x) e

B1(x), B2(x),... Bn(x), tal que i = 1,2,...n, [0,1], se Ai(x)

Bi(x), ento h(A1(x), A2(x), An(x)) h(B1(x), B2(x), Bn(x)).


iii.- Axioma 3.- Continuidade. A funo de transferncia h deve ser contnua, ou seja,
variaes infinitesimais dos argumentos no pode gerar grandes variaes na funo.
iv.- Axioma 4- Simetria. Garante que para qualquer permutao p em N, h(A1,A2,...An)
= h(Ap(1), Ap(2),...Ap(n), desta forma mantemos a igualdade de importncia entre os
conjuntos fuzzy. Em alguns casos, quando isto no desejado, este axioma pode ser
relaxado.
v.- Axioma 5 - Idempotncia. h(A(x), A(x), A(x)) = h(A(x). Este axioma uma
generalizao do axioma 1.
As operaes de unio e de interseo fuzzy so igualmente funes de agregao.
Qualquer funo h que atenda ao axioma 5 e ao axioma 2, responder inequao:

mn(A1(x), A2(x),..,An(x)) h(A1(x), A2(x),..,An(x))


mx(A1(x),A2(x),...,An(x)).

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 :

h(A1(x), A2(x), An(x)) = ( A1 ( x) + A 2 ( x) + ... + An ( x) n)

(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:

h(A1(x), A2(x), An(x))= w1 B1(x) + w2 B2(x) +...+ wnBn(x).

(II.26)

onde B1, B2,...Bn so a permutao de A1, A2,...An de forma que Bi Bj para


qualquer j>i e i,j =1,2,...n, ou seja, os valores de pertinncia so ordenados de forma
decrescente. O vetor w = <w1, w2, ... wn > deve ser tal que,
n

wi = [0,1] e

w =1
i =1

A OWA pode representar a operao de mnimo, nesse caso w= <0,0,...1> ou a


operao de mximo, onde w = <1,0,...0>. Para outros casos, OWA tem a possibilidade
de realizar uma configurao flexvel entre a operao mx e mn.

II.3.8 Relao fuzzy

lxiii

Os sistemas e modelos matemticos esto baseados em relaes que mapeiam um


conjunto de variveis de um universo em outro. Estas relaes so comumente
representadas por funes f da forma:

f: X Y, onde,

X e Y representam dois universos quaisquer. Seja x um elemento do universo X e y= f(x)

uma funo que mapeia a x em y Y. A funo caracterstica que descreve a relao R


representando y seria [45, 46]:

1, y = f ( x )
R(x,y) =
0, y f ( x )

(II.27)

Devemos agora considerar que tenhamos subconjuntos de X que sero mapeados em


subconjuntos de Y, dessa forma:
F : P(X)P(Y),

(II.28)

onde P() representa o conjunto potncia. Um subconjunto fuzzy A X mapeado


num subconjunto B Y da forma: B = f(A) = {y | x A, y = f(x) }. Em termos mais
gerais, devemos supor que mais de um elemento de Y seja mapeado a partir de um
mesmo elemento de X, dessa forma, a funo caracterstica de B seria,
B(y) = y = f ( x ) A ( x)

(II.29)

onde y= f ( x ) representa o valor mximo para todos os valores de x que levem a y. A


funo caracterstica em conjuntos crisp apenas indica se um valor pertence ou no a
um conjunto.

II.3.9.- Nmeros fuzzy.

lxiv

Os nmeros fuzzy so utilizados para quantificar atributos fsicos da realidade.


Estes atributos esto por vezes associados impreciso ou mesmo conceitos humanos
vagos. Em alguns casos, por exemplo um especialista pode dar a temperatura de uma
rea como sendo em torno de 25 graus. O mtodo clssico de tratar com imprecises
fsicas colocar uma faixa de erro no valor. Diz-se que a temperatura 20C 10C.
Esta manipulao de nmeros por intervalos tambm utilizada para operar com
nmeros fuzzy [42].

A desvantagem para o processo de manipulao por intervalos que reduz uma


parte da informao. Se a temperatura vlida de 10 a 30C, inconsistente dizer, para
a maioria das aplicaes, que a temperatura de 9.99C invlida e passa a ser vlida
0.01C depois.

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.

A curva da Figura II.21 apenas um caso particular para a representao de um


nmero fuzzy. Um nmero fuzzy pode ser visto como uma generalizao dos nmeros
reais, cuja funo de pertinncia uma singularidade no ponto correspondente ao
nmero.

Figura II.21.- Exemplo de nmero fuzzy.


lxv

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 ]

Na figura II.22 podemos ver a representao da funo caracterstica de um


nmero crisp.

Figura II.22.- Nmero crisp

Esta funo pode ser estendida para definir um intervalo fuzzy (Figura II.23 e
Figura II.24).

Figura II.23.- Intervalo de valores

lxvi

Figura II.24.- Intervalo fuzzy.

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].

Para um conjunto fuzzy, A deve ser adequadamente caracterizado como um


nmero fuzzy, cuja funo de pertinncia deve ser dada por A : [0,1] , ele deve
atender a certas restries:

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

Figura II.25.- Nmero fuzzy.

As funes de pertinncia podem ser genericamente definidas como conjuntos


tipo L-R [42, 47]. Atravs da definio das funes como L-R, dizemos que um
conjunto A um nmero fuzzy, se e somente se, existir um intervalo fechado [ a, b]
(restrio (ii)) tal que,
para x [a, b]
1,

A ( x) L( x), para x [, a ]
R ( x), para x [b, ]

Sendo =1 para x [a,b], garantimos a restrio (i). As funes L e R, esquerda e


direita respectivamente, so ambas monotnicas. Para cada funo L crescente, ou R
decrescente, a monotonicidade garante a restrio (ii).

Um nmero fuzzy A em R um nmero fuzzy triangular, se a sua funo de pertinncia


fA: R [0,1] igual a:

lxviii

( x a ) /(m a ), a x m,

FA(x) = (x b)/(a b), m x b,


0,
de outro modo

(II.30)

Com - < a m b < na Figura II.26 aparece representado o nmero fuzzy


triangular (a,m,b). O parmetro m representa o grau mximo de pertinncia de FA(x),
ou seja, FA(x)=1, esse o maior valor possvel da avaliao feita pelo especialista. Os
parmetros a e b representam o limite inferior e superior da rea de avaliao, a
qual representa a nebulosidade (fuzziness) da avaliao feita pelo especialista.

Figura II.26 Funo de pertinncia

II.3.10.- Aritmtica fuzzy.

Atravs da extenso fornecida pela teoria fuzzy, podemos incorporar o conceito


da incerteza aos nmeros, melhorando assim a representatividade da informao. Para
manipular estes nmeros, torna-se necessrio estender tambm as operaes com os
nmeros. As operaes entre conjuntos vistas anteriormente tentavam apenas estender e
manter a consistncia das operaes clssicas entre nmeros. Antes os conjuntos fuzzy
eram vistos como agregao de elementos associados a uma dada pertinncia, aqui eles
sero vistos como nmeros fuzzy.

lxix

Um dos mtodos utilizados para estender as operaes aritmticas utilizar a


manipulao de intervalos [42] onde, dada uma operao fuzzy qualquer
{+, -, *, }

(AB) = U ( 0,1) ( A * B ) onde,

(AB) definido atravs de operaes com intervalos.


Outra forma de se calcular uma operao aritmtica fuzzy atravs do princpio

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:

(AB)(y) = {(z, (z)) | (z) = supy=f(x,y) {min[A (x), B (x)]}.

Este mtodo muito dificultoso e na prtica acabamos usando o primeiro mtodo pelas
vantagens computacionais que tem.

II.3.11.- Defuzzificao

O processo de defuzzificao pode ser definido como uma funo que


associa a cada conjunto fuzzy um elemento (do conjunto abrupto subjacente) que o
represente. E podemos encarar o valor escolhido como uma espcie de valor esperado
traando uma analogia com as distribuies de probabilidade. Mas como fazer
exatamente para obter o valor condensado a partir do conjunto fuzzy? Existem alguns
mtodos bastante utilizados. De acordo com OLIVEIRA [48], o mais comum o COG
(Center of Gravity), que nos fornece um valor correspondente abscissa do baricentro
do grfico da funo de pertinncia. A frmula usada para o clculo a seguinte:

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.

II.3.12 Confiabilidade fuzzy

O fator humano como funo pessoal pertence ao campo da psicologia. Esta


cincia tem ligeiramente mais de 100 anos e tem sido desenvolvida relativamente lenta
em comparao com a tecnologia. Alguns atribuem a noo de "erro humano" a Freud,
que no usou o termo "fator humano". Em 1904 Freud publicou um livro desenhando e
exemplificando um nmero de erros humanos. Na poca os erros humanos foram
considerados embaraosos ou possivelmente engraados. A tecnologia no tinha sido
desenvolvida tanto para que fosse considerado seriamente o erro humano. Ento o erro
humano raramente tinha causado um dano maior que um mal - entendido, um equivoco,
uma discordncia, um estorvo ou simplesmente uma dificuldade. O trabalho de Freud
comeou a mudar o modo, a maneira, o hbito das pessoas. As pessoas comearam a seobservar, a reparar, considerar e estimar como algo imperfeito a capacidade e o
potencial que tinham para errar, confundir-se, misturar as coisas, criar confuses, falar
coisas inexatas, desacertadas, interpretar mal ou no entender, esquecer, colocar mal ou
extraviar, ler ou interpretar mal algo escrito, cometer erros de escrita ou no meio de uma
atividade esquecer seu objetivo.
Um erro humano pode ser caracterizado como uma divergncia entre uma ao
desempenhada e uma ao que deveria ter sido desempenhada, a qual tem um efeito ou
conseqncia que vai alm da tolerncia requerida pelo sistema com o qual o pessoal
interage.

lxxi

A perspectiva psicolgica de estudo do erro centrada na parte das causas do


erro, enquanto na avaliao probabilstica de risco o estudo do erro humano est
direcionado a conhecer as conseqncias do erro, ou seja, estudar defeitos causados pelo
homem. Para melhorar a confiabilidade de END o enfoque pode ser direcionado s
causas e s conseqncias do erro. RASSMUSSEN em [49] considera que tarefas
relativamente simples oferecem muitas oportunidades para provocar erros humanos.
Um nmero de fatores explica porqu as pesquisas acadmicas e as mudanas
nas atitudes regulatrias tm tido um impacto marginal. JONHSON [50] identificou trs
mitos que so citados na literatura como barreiras contra as aplicaes prticas da
anlise do erro humano:

1.- O erro humano inevitvel. At os crescentes erros organizacionais contribuem a


falhas humanas;
2.- O erro humano no predezvel. Em particular existem condies locais que criam a
oportunidade para a fadiga que pode contribuir ao erro humano; e

3.- Os programas de anlise de erros humanos so muito custosos.

O desempenho humano, a falha humana ou o erro humano cada vez mais e


mais identificado com o mau funcionamento dos sistemas. Isto devido parcialmente a
que alguns sistemas de interao homem mquina esto sendo desenhados com alta
confiabilidade. Por outra parte o erro humano no a causa de um evento, ele a
conseqncia de eventos; ele no ocorre acidentalmente, ele ocorre de vrias formas e
de forma inevitvel.
Para os sistemas END a teoria de probabilidades adotada como uma medida de
incerteza de representao de um esquema de falha, onde o critrio de falha
claramente definido. YUAN CAI [51] por convenincia chamou a teoria convencional
de confiabilidade como teoria probist, e os sistemas estudados em um contexto de
confiabilidade probist os chamaram-se de sistemas probist.
Em outros casos, o sistema pode estar parcialmente em falha e parcialmente em
sucesso. Nestes casos as probabilidades estimadas podem ser fortemente justificadas

lxxii

particularmente nos casos de falhas raras. Entretanto, afirma-se que o julgamento


humano mantm uma posio central em todas as anlises de confiabilidade de
qualquer sistema complexo tcnico, ou seja:
i.

O grau de incerteza com que o erro humano conduz a um resultado no


confivel no pode ser expressa claramente, mas comparativamente fcil
expressar estes tipos de incerteza qualitativamente. Quantitativamente, ou seja,
microscopicamente difcil fazer a anlise da confiabilidade humana. Sendo
assim, necessrio analisar a confiabilidade do ponto de vista macroscpico.

ii.

A relao entre confiabilidade e fatores afetando a confiabilidade no


necessria e suficiente. Sendo assim difcil expressar claramente este tipo de
relao.

iii.

A confiabilidade dos equipamentos e a confiabilidade humana so afetadas por


vrios motivos, como o caso do ambiente no qual estes equipamentos so
acondicionados para inspeo, as condies ambientais da inspeo, os
esgotamentos psicolgicos do inspetor, so apenas alguns. Na anlise de
confiabilidade convencional a taxa de falha humana ajustada por especialistas
baseadas em critrios de julgamento de forma a considerar o efeito de muitos
fatores sobre confiabilidade.

iv.

A expresso qualitativa til para avaliao da confiabilidade do sistema de


inspeo, mas muitos termos vagos so encontrados na expresso. ONISAWA
[52] determinou que este tipo de abordagem s pode ser feito pela metodologia
fuzzy .

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.

Na prtica, os dados coletados no so suficientes para estimar as taxas de erros.


Sendo assim, estas taxas so estimadas baseadas em opinies de especialistas.
Logo estas taxas de erros propostas para avaliao da confiabilidade, so fuzzy.

lxxiii

vii.

A determinao do critrio de aceitao de descontinuidades, da mesma forma,


estabelecida baseado na opinio de especialistas.
A falha humana resulta das interaes homem - trabalho ou homem - ambiente,

(dentro do sistema scio-tcnico em que ele atua) que no atendam a determinados


padres esperados. Nesse conceito, esto implcitos trs elementos: uma ao humana
varivel; uma transformao do ambiente (ou mquina) que no atenda a determinados
critrios; e um julgamento da ao humana frente a esses critrios. H muita incerteza
intrnseca nas interaes que dificulta fazer afirmaes certas no momento de julgar
uma determinada ao humana. O problema fundamental que o inspetor tem um
modelo mental de como tal sistema deveria atuar e tal modelo est repleto de
subjetividade e nuances inerentes ao modo pelo qual pensamos. Este modelo mental ou
cognitivo inclui informao recebida, sensao, percepo, memria a corto e longo
termo, tomada de deciso e uma ao resultante. Um modelo geral deste processo
mostrado na Figura II.27 [53].
Se o homem for capaz de identificar imediatamente as conseqncias provocadas
pelos desvios naturais do seu comportamento, ele pode introduzir as aes corretivas,
diminuindo a ocorrncia das falhas. Portanto, as falhas dependem da facilidade de
percepo das condies inaceitveis e da reversibilidade do sistema. Essa
reversibilidade depende da dinmica e da linearidade do sistema. Isso quer dizer que as
falhas humanas no podem ser estudadas isoladamente das condies onde elas
ocorrem.

lxxiv

Figura II.27. Componentes do processamento da informao humana


Num ensaio por ultrasom as maiores dificuldades esto presentes nas aes
cognitivas de tomada de decises, ou seja, na localizao, avaliao do tamanho e
interpretao das descontinuidades. Como demonstra DRURY [54] as funes de busca
(refere-se ao sinal e descontinuidade) e de deciso so as maiores causas de erros.
Uma das maiores percepes de Zadeh foi que a matemtica pode ser utilizada
para fazer uma ligao entre a linguagem e a inteligncia humanas. Muitos conceitos, de
fato, podem ser muito mais bem definidos por palavras do que pela matemtica, e a
Lgica Fuzzy e sua expresso nos Conjuntos Fuzzy proporcionam uma disciplina que
melhor pode construir modelos do mundo real.
Em 1973 o professor ZADEH [55] formulou o que passou a ser chamado de
princpio de incompatibilidade: medida que a complexidade de um sistema aumenta,
nossa habilidade para fazer afirmaes precisas e que sejam significativas acerca deste
sistema diminui at que um limiar atingido alm do qual preciso e significncia (ou
relevncia) tornam-se quase que caractersticas mutuamente exclusivas. Este

lxxv

princpio de Zadeh muito evidente na anlise de confiabilidade humana no sistema de


inspeo por ultra-som pela complexidade do mesmo.
conhecido que na teoria convencional de confiabilidade existem duas
suposies fundamentais [51]:

(A) Suposio de probabilidade: O comportamento do sistema pode ser completamente


caracterizado em um contexto de medidas de probabilidades. De acordo com a teoria
das probabilidades o termo probabilidade deve satisfazer as seguintes trs premissas:

(1) Um evento definido com preciso.


(2) A repetitividade probabilstica baseada numa coleta de dados sobre o
comportamento de um evento.
(3) Uma grande quantidade de dados coletados esto disponveis.

(B) Suposio de estado binrio: O significado de falha do sistema definido


abruptamente em qualquer momento estado de funcionamento ou estado defeituoso.

Para muitos sistemas devido s incertezas e imprecises dos dados, fazer


estimaes nicas de probabilidades e conseqncias muito difcil. Por conseguinte
ns devemos revisar as duas suposies por [56, 57]:

(B') Suposio de estado fuzzy: O significado de falha do sistema no pode ser


classificado com preciso atravs de um caminho razovel e desta forma em um
momento determinado o sistema pode ser considerado em estado de funcionamento
fuzzy ou em estado defeituoso fuzzy.

Fica claro ento que a teoria fuzzy essencial para anlise de confiabilidade,
tratamento de incertezas e determinao de variveis crticas numa inspeo.

lxxvi

III.- MATERIAIS E MTODOS.

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].

III.1.- Investigao do problema

de confiabilidade humana em ensaios no

destrutivos por ultra som.

Com o objetivo de obter dados que aumentem tanto o nvel de conhecimento


sobre o comportamento do inspetor brasileiro envolvido nas tcnicas de END por ultrasom em empresa de grande porte no Brasil, quanto confiabilidade destes ensaios,
foram realizados dois trabalhos de pesquisa no Centro de Qualificao de Inspetores
(PETROBRAS/SEQUI) em So Jos dos Campos, So Paulo.
O primeiro trabalho diz respeito aos resultados obtidos por 8 inspetores durante

o exame de requalificao. Para a aquisio dos dados foram usadas as seguintes


variveis:
a) Caractersticas dos inspetores: Todos tinham mais de 5 anos de experincia. Os
inspetores A, B, C, D e E eram de nvel II e subnvel S2 e os inspetores F, G, H eram de

lxxvii

nvel II e subnvel S5 de acordo com o documento complementar norma ABENDE


NA-001 (documento DC-001) [7].
b) Condies do meio-ambiente: No momento em que os inspetores fizeram o exame a
temperatura era entre 20C e 28C, a umidade no local era de 80 % e o nvel de rudo
era < 65dB.
c) Caractersticas do material de prova: Ao carbono, espessura de 15 mm, dimetro
mnimo 2" ( ext. 60,3 mm). Junta de Topo entre chapas (=30 a 80; a=1.6 0.8
mm; b=2.4 0.8 mm; t=6 a 25 mm). Ver Figura III.1.

Figura III.1. Junta de Topo entre chapas.

d) Caractersticas do examinador: Uma pessoa participou na avaliao da inspeo.


Tinha certificado de nvel III de acordo com as normas ISO 9712 [6] e EN 473 [59], e
um perfeito conhecimento do equipamento usado, assim como possuam grande
experincia na inspeo em soldas e na avaliao dos inspetores.
e) Procedimento utilizado pelos inspetores: Procedimento PR-011 [58] que fixa as
condies para a execuo do ensaio por ultra-som para a deteco e avaliao de
descontinuidades em juntas soldadas de acordo com o SNQC/END.
f) Caractersticas do aparelho de ultra-som: Tipo pulso-eco, apresentao tipo "A",
capaz de gerar freqncias na faixa de 1 a 6 MHz.
g) Caractersticas dos cabeotes: tipo duplo-cristal, cristais com de 10 a 30 mm,
ngulo do cabeote 60 e 70, freqncia de 4 MHz.

lxxviii

A norma internacional ISO 9712:1999 estabelece um sistema para a qualificao e


certificao de pessoal em END [6]. Esta norma utilizada pelo examinador para
avaliar a execuo dos ensaios atravs dos seguintes itens:
-

O inspetor apresentou-se com todo material necessrio e adequado para o ensaio e


utilizou-o de acordo com o procedimento.

Sabe verificar a linearidade vertical do aparelho.

Sabe verificar a linearidade horizontal do aparelho.

Solicita corretamente as informaes sobre a pea a ensaiar.

Escolhe corretamente o bloco de referncia.

Determina corretamente as perdas por transferncia.

Utiliza a sensibilidade correta para a varredura e avaliao de descontinuidades.

Utiliza os cabeotes corretos no ensaio.

Determina e examina corretamente a rea de varredura.

Utiliza as tcnicas de varredura especificadas no procedimento.


Os resultados obtidos por estes 8 inspetores durante o exame de requalificao se

encontram na Tabela III.1.

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.

medida que aumenta o nmero de descontinuidades existentes na pea, aumentam


as probabilidades de erro do inspetor.

No existe um valor especfico de probabilidade de erro na deciso igual para todos


os inspetores de um mesmo nvel. Isso devido ao fator humano.

Tabela III.1. Resultados dos exames de requalificao de 8 inspetores de nvel II.


Inspetor

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.

Ao estabelecer uma relao entre as descontinuidades existentes na pea de


prova, as descontinuidades relatadas existentes, as descontinuidades relatadas
inexistentes e as descontinuidades no relatadas existentes, observamos que dois
inspetores relataram descontinuidades inexistentes e quatro deles no relataram
descontinuidades existentes.
Em um segundo trabalho de pesquisa foi observado o comportamento de 11

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

especificaes aplicveis, cdigos e critrios de aceitao. Inclui duas partes: um exame


terico especfico (ETE) e um exame prtico especfico (EPE).
Desta forma, baseada tambm na norma ISO 9712, os examinadores do Centro
de Qualificao de Inspetores (SEQUI) aplicam o EPE como parte do Sistema Nacional
de Qualificao e Certificao de Pessoal em Ensaios No Destrutivos (SNQC/END).
Durante o EPE so avaliados os seguintes itens:

Item1: O inspetor solicita corretamente as informaes sobre a pea a ensaiar.


Item2: Escolhe corretamente o bloco de referncia.
Item3: Determina corretamente as perdas por transferncia.
Item4: Utiliza sensibilidade correta para a varredura e avaliao das descontinuidades.
Item5: Utiliza os cabeotes corretos no ensaio.
Item6: Determina e examina corretamente a rea de varredura.
Item7: Utiliza as tcnicas de varredura especificadas no procedimento.
Item8: Encontra as descontinuidades existentes.
Item9: No encontra descontinuidades inexistentes.
Item10: O nvel de resposta das descontinuidades est correta.
Item11: Dimensiona corretamente as descontinuidades encontradas.
Item12: Localiza corretamente as descontinuidades na direo longitudinal da solda.
Item13: Localiza corretamente as descontinuidades na direo transversal da solda.
Item14: Avalia corretamente as reflexes da raiz da solda.
Item15: Emite corretamente o laudo.
Item16: Preenche corretamente o relatrio.
Item17: Executa o ensaio dentro do tempo previsto.

Os dados representados nas Tabelas III.2, III.3 e III.4 correspondem avaliao


de cada um dos itens pelo examinador de nvel III

(S = Satisfatrio, N = No

satisfatrio, P = Parcialmente Satisfatrio, RES = Resultado, A = Aprovado e R =


Reprovado).
O mtodo de avaliao de desempenho em cada um dos itens executados pelos
inspetores muito subjetivo; depende da cultura, da viso e do nvel de conhecimento
do examinador. O resultado do EPE, mesmo tendo uma qualificao quantitativa (entre

lxxxi

0 e 10), determinado atravs de uma frmula em dependncia das avaliaes


qualitativas.
Cada inspetor realizou 4 tipos de ensaios diferentes para um total de 44 ensaios (E1w:
primeiro ensaio (chapa de 12") do inspetor w; E2w: segundo ensaio ( chapa de 16
mm) do inspetor w; E3w: terceiro ensaio ( tubo de 8") do inspetor w; E4w: quarto
ensaio (tubo de 9 mm) do inspetor w; w = 1..at...11).

Finalmente o inspetor recebe uma qualificao quantitativa (nota entre 0 e 10) e


uma qualificao qualitativa (aprovado ou reprovado). Para o ensaio ser aprovado deve
obter uma qualificao igual ou maior do que 8.0 pontos.

Nas Tabelas III.2, III.3 e III.4 apresentamos os resultados do exame prtico


especfico.

lxxxii

Tabela III.2.- Resultados do exame prtico especfico (EPE) dos inspetores 1 a 5.


Inspetor 1

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

Tabela III.4.- Resultados do exame prtico especfico (EPE) do inspetor 11.

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):

540 avaliaes foram qualificadas de Satisfatrio para 72 % do total das avaliaes.


Ver Figura III.2.

27 avaliaes de Parcialmente Satisfatrio para 4 % do total das avaliaes.

e 181 avaliaes de No Satisfatrio para 24 % do total das avaliaes.

Exame Prtico Especfico : 748 itens avaliados.


% de Avaliaes Satisfatrias (1),
Parcialmente Satisfatrias (2),
No Satisfatrias (3)
24%

4%
72%

1
2
3

Figura III.2.- Resultados do exame prtico especfico (11 inspetores, 44 ensaios, 17


itens avaliados por ensaio para um total de 748 itens avaliados).

Destas 181 avaliaes No Satisfatrias:

- 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);

em 17,67 % dos ensaios os inspetores localizaram incorretamente as descontinuidades


na direo longitudinal da solda (item 12) e em 17,67 % dos ensaios os inspetores
localizaram incorretamente as descontinuidades na direo transversal da solda (item
13). Qualquer um destes itens tem um peso muito importante na confiabilidade do
ensaio porque dependem fundamentalmente do fator humano, ou seja, eles esto
relacionados com processos de tomada de decises.
- 21 avaliaes corresponderam ao item 8, o que significa que em 11,6 % dos ensaios os
inspetores

no

encontraram

as

descontinuidades

existentes;

10

avaliaes

corresponderam ao item 9 o que significa que em 5,52 % dos ensaios os inspetores


encontraram descontinuidades inexistentes.
- 9 avaliaes corresponderam ao item 14 o que significa que em 4,97 % dos ensaios
no avaliaram corretamente as reflexes da raiz da solda; 8 avaliaes corresponderam
ao item 3 o que significa que em 4,41 % dos ensaios no determinaram corretamente as
perdas por transferncia; 4 avaliaes corresponderam ao item 4 o que significa que em
2,2 % dos ensaios no foi utilizada a sensibilidade correta para a varredura e avaliao
das descontinuidades e 1 avaliao correspondeu ao item 15 o que significa que em 0,55
% dos ensaios no foi emitido corretamente o laudo. Ver figuras III.3 e III.4.

Contribuio dos 17 itens confiabilidade dos 44


ensaios
35
30
25
20
15

Itens

10
5
0
1

9 10 11 12 13 14 15 16 17

Itens avaliados no exame prtico especfico

lxxiii

Figura III.3.- Contribuio dos 17 itens confiabilidade dos 44 ensaios executados


por 11 inspetores.

Contribuio dos 17 itens Confiabilidade Total dos 44 ensaios.

% de qualificae s
no s atisfatrias

Itens
itens 1, 2, 5, 6, 7, 16,17

item15

item4

Itens
item3

item14

item9

item8

itens 10, 11, 12, 13

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:

17 ensaios receberam a qualificao de "Aprovado" o que significa 39 % do


total de ensaios executados, e;

27 ensaios receberam a qualificao de "Reprovado" o que significa 61 % do


total de ensaios executados. Ver Figura III.5.

lxxiv

O resultado d lugar seguinte questo: se 61 % dos ensaios realizados de um


total de 44 feitos num ambiente de "exame de recertificao", onde a necessidade de
aprovar est relacionada com a continuidade do inspetor no mercado de trabalho, foram
reprovados, quantos ensaios "reprovados" foram realizados por esses inspetores na
indstria? Da a importncia da pesquisa sobre a confiabilidade do sistema de ensaio e
especificamente sobre a confiabilidade humana.

De um total de 44 ensaios.
% de ensaios Aprovados (1)
% de ensaios Reprovados (2)

39%
1

2
61%

Figura III.5.- Relao de ensaios realizados pelos 11 inspetores, ensaios aprovados e


reprovados.
Durante o exame terico especfico (ETE) so avaliados qualitativamente os seguintes
itens:
X18: O inspetor sabe para quais tipos de junta, de material e faixa de espessura se
aplica o procedimento.
X19: Sabe determinar quais os cabeotes a serem utilizados.
X20: Sabe escolher corretamente o bloco de referncia para a calibrao da
sensibilidade.
X21: Sabe como calibrar a sensibilidade para cabeote normal/duplo cristal.
X22: Sabe como calibrar a sensibilidade para cabeote angular.
lxxv

X23: Sabe como utilizar as diversas curvas traadas.


X24: Sabe como determinar as perdas por transferncia.
X25: Sabe qual o ganho a ser usado para a varredura e avaliao das
descontinuidades.
X26: Sabe quais os acoplantes que podem ser utilizados.
X27: Sabe determinar corretamente a rea de varredura.
X28: Sabe quais os tipos de varredura a serem utilizados.
X29: Conhece o mtodo de localizao de descontinuidades na seo transversal
da solda.
X30:

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

Exame Te rico Espe cfico: 133 ite ns av aliados.


% de av aliae s satisfatrias (1),
parcialme nte satisfatrias (2),
no satisfatrias (3).

3
20%

1
2

2
15%

1
65%

Figura III.6.- Exame Terico Especfico. Distribuio percentual de avaliaes


satisfatrias, parcialmente satisfatrias e no satisfatrias.
Os dados representados na Tabela III.5 correspondem avaliao de cada um dos
itens pelo examinador de nvel III.

Tabela III.5: Resultados do exame terico especfico (ETE) para 7 inspetores.

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

Onde ETw exame terico especfico feito pelo inspetor w ( w = 3, 4, 5, 6, 8, 10 e 11).


Xj item avaliado

Concluso: Os resultados da pesquisa evidenciam que as maiores dificuldades esto

presentes na localizao, avaliao do tamanho e interpretao das descontinuidades. O


problema fundamental que o inspetor tem um modelo mental de como tal sistema
deveria atuar e tal modelo est repleto de subjetividade e nuances inerentes ao modo
pelo qual pensamos. Existem tambm alguns elementos fsicos tais como destreza,
habilidade, coordenao entre olhos e mos, capacidade de viso, campo de viso,
condies fsicas gerais do inspetor, ambiente de trabalho, posio de trabalho e outras
habilidades motoras que afetam os resultados do ensaio.
III.2.- Avaliao da Confiabilidade Humana considerando os PSFs.

Avaliar o comportamento de um sistema complexo atravs de especialistas e de


um conjunto bsico de atributos no mais que um processo de tomada de decises que
depende de inmeros fatores. A tomada de deciso caracterizada por seleo ou
escolha de alternativas as quais esto disponveis; i.e. elas so descobertas ou criadas
com o apoio da cultura existente. Neste caso se deve tomar em conta as limitaes da
habilidade humana ao mesmo tempo em que se deve introduzir a inteligncia humana
de uma forma consistente.

lxxviii

Na presente metodologia duas principais suposies sero feitas:

1.- Somente os erros humanos so considerados. Todos os outros elementos do sistema


de inspeo atuam de maneira satisfatria.

2.- A falha do sistema de inspeo resulta devido aos erros humanos. Outro defeito
inerente no sistema no considerado nesta anlise.

A metodologia empregada consta de duas partes:

A primeira parte dividida em dez etapas, tem como objetivo utilizar uma verso

adaptada do mtodo de avaliao de qualidade proposto em BELCHIOR [60] para


levantar o padro de qualidade do ensaio no destrutivo tipo ultra-som. Este mtodo j
foi aplicado com sucesso para avaliao da qualidade do software.

Segundo as normas ISO 9000:2000 [61], qualidade o grau no qual um conjunto de


caractersticas inerentes satisfazem requisitos. Atendendo ao conceito de confiabilidade
do sistema END como o grau com que o sistema capaz de atingir seus propsitos de
deteco, caracterizao e emitir falsos alarmes, podemos estabelecer uma relao
entre qualidade e confiabilidade, isto , a partir de um padro de qualidade determinar o
grau de atendimento a este padro como uma medida de confiabilidade.

Primeira etapa Identificao do conjunto de atributos de confiabilidade humana a ser


considerado (variveis lingsticas).
Nesta etapa definido o conjunto de atributos que influenciam no desempenho
do inspetor. conhecido que estes atributos so os chamados fatores de incidncia no
comportamento humano (PSFs) [9].

lxxix

Segunda etapa: Escolha de especialistas.

Uma grande quantidade de estudos prvios indicam que em reas onde


requerida a opinio dos especialistas, o fator mais crtico se refere seleo dos
especialistas, devido a que a confiabilidade e qualidade dos resultados vo refletir a
qualidade dos especialistas [62,63,64].

Terceira etapa: Determinar o grau de importncia de cada especialista.

Para se ter uma indicao da importncia relativa de cada um deles, utilizado


um Questionrio de Identificao do Perfil de Especialista (QIPE) (ver Anexo 1) usado
em BELCHIOR [60] com o objetivo de avaliar cada especialista e determinar o peso do
especialista.

Quarta etapa: Escolha dos termos lingsticos para avaliar os atributos de confiabilidade
humana.

Um apropriado conjunto de termos lingsticos escolhido e usado pelos


especialistas para descrever suas preferncias. HERRERA em [65]. O qualifica como
um processo de tomada de deciso onde os termos lingsticos constituem alternativas a
escolher durante a avaliao.

Quinta etapa: Escolher o intervalo numrico mensurvel (escala de pesos) Z[-, ].

Este intervalo conhecido como o conjunto referencial para a medio de um


atributo particular.

Sexta etapa: Aplicao dos questionrios aos especialistas.

lxxx

Atravs do questionrio, cada atributo de confiabilidade humana ser avaliado


pelos especialistas os quais atravs de julgamentos subjetivos expressaro o grau de
importncia que tem o atributo para a confiabilidade humana durante o ensaio.

Stima etapa: Tratamento dos dados coletados dos especialistas na avaliao de cada
atributo de confiabilidade.

Nesta etapa os prognsticos individuais, para cada atributo, so combinados


gerando um consenso dos especialistas. A sada desta etapa o nvel de importncia de
cada atributo obtido atravs de uma funo de agregao de opinies.

Oitava etapa: Estabelecer o padro de qualidade do ensaio.


Estabelecer o padro de qualidade do ensaio, significa obter o grau de
contribuio de cada atributo, que compe o atributo agregado avaliado (confiabilidade
humana); isto , a matriz de demanda o que demanda o ensaio (graus de importncia
de cada um dos 59 atributos) para criar condies de qualidade adequadas na realizao
de um ensaio confivel.
Nona etapa: Calcular o grau de atendimento ao padro de qualidade do ensaio como um
ndice de confiabilidade humana.

Esta etapa tem como objetivo avaliar a confiabilidade humana de diferentes inspetores,
tomando como referncia o conjunto fuzzy Padro de Qualidade do ensaio.

Dcima etapa: Determinar o grau de incluso fuzzy de um conjunto fuzzy (Padro de


qualidade do ensaio) em outro conjunto fuzzy (Desempenho do inspetor).

A segunda parte da metodologia consta de sete etapas e baseada no estudo do

procedimento de ultra-som (PR-011) com o objetivo de representar a rvore de falhas

lxxxi

fuzzy do inspetor por ultra-som e avaliar a possibilidade de erro em que ele incorre
quando usa este procedimento.

Primeira etapa: Construo de seqncias de tarefas ou aes humanas durante o ensaio.


Com ajuda do procedimento de ultra-som para inspeo em soldas PR-011 [58], feito
uma anlise do mesmo (o mais detalhado possvel) para construir a seqncia de tarefas
(eventos humanos) que o inspetor executa durante o ensaio.

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.

Avaliar a taxa de falhas de eventos vagos usando os conceitos de conjuntos fuzzy um


enfoque diferente da teoria convencional de construo de rvores de falhas onde os
especialistas avaliam a freqncia de ocorrncia de eventos numericamente. Atravs da
teoria fuzzy possvel traduzir expresses vagas, imprecisas e qualitativas, comuns na
comunicao humana em valores numricos compreensvel pelos computadores.

Terceira etapa: Representar as funes de pertinncias .

As funes de pertinncias para cada uma das expresses lingsticas vo representar a


possibilidade de que um elemento seja membro do conjunto fuzzy.

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.

Quinta etapa: Transformar as expresses lingsticas em nmeros fuzzy e agregar as


opinies dos especialistas.

Sexta etapa: Representar a rvore de falha fuzzy do inspetor.


A rvore de falha um mtodo dedutivo, descrito atravs de uma tcnica analtica, onde
esto combinados estados indesejados do sistema para determinar o evento indesejado
que pode ocorrer. Nesta rvore de falhas so consideradas somente as falhas humanas
combinadas numa representao grfica de forma a caracterizar o evento indesejado
pr-definido. Estas falhas denominadas de eventos bsicos quando combinados de
forma lgica conduzem ocorrncia e determinao do evento topo da rvore de falha.
LEWIS [66] considerou outro aspecto importante, o fato da rvore de falha constituir
apenas uma tcnica qualitativa que pode ser avaliada quantitativamente.

Stima etapa: Clculo da probabilidade de erro do inspetor para diferentes eventos topo.

III.2.1 Aplicao da metodologia para avaliao da confiabilidade humana.

Primeira parte: Levantamento do padro de qualidade do ensaio.

Primeira etapa Identificao do conjunto de atributos de confiabilidade humana a ser


considerado (variveis lingsticas).

No ano 1983 foi publicado o Manual de Anlise de Confiabilidade Humana com


nfase nas usinas nucleares. Neste manual SWAIN e GUTTMANN [9] descrevem os
fatores de incidncia no desempenho do operrio num sistema de interao homem

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).

Alguns destes PSFs so externos ao inspetor e outros so internos. Os PSFs


externos incluem o ambiente de trabalho, especialmente o desenho do equipamento e os
procedimentos escritos ou as instrues orais. Os PSFs internos (fatores psicolgicos e
fisiolgicos) representam as caractersticas individuais do inspetor tais como a
habilidade, competncia, preparo, jeito, suas motivaes e outras.

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.

Tabela III.6- Conjunto de 59 atributos de confiabilidade humana.

lxxxiv

PSFi

Atributo

PSFi

Atributo

Fatores externos

PSF30

Comunicaes orais ou escritas.

Caractersticas da situao

PSF31

Mtodos de trabalho.

PSF1

Caracterstica arquitetnica.

PSF32

Polticas da gerncia.

PSF2

Caractersticas ambientais.

PSF3

Temperatura.

PSF33

Experincia e preparao anterior.

PSF4

Umidade.

PSF34

Prtica atual ou treinamento.

PSF5

Qualidade do ar.

PSF35

Variveis pessoais, inteligncia.

PSF6

Iluminao.

PSF36

Motivao, atitude.

PSF7

Ruido.

PSF37

Estado emocional.

PSF8

Vibraes.

PSF38

Atitudes (Influencias da famlia).

PSF9

Grau de limpeza em geral.

PSF39

Identificao com o grupo de trabalho.

PSF10

Horrio de trabalho/descanso

PSF11

Disponibilidade de equipamento

PSF40

Apario repentina da causa psicolgica.

PSF12

Organizao de plantes.

PSF41

Durao da tenso psicolgica.

PSF13

Estrutura da instituio.

PSF42

Velocidade de trabalho.

PSF14

Aes dos companheiros.

PSF43

Carga de trabalho.

PSF15

Recompensas e reconhecimentos

PSF44

Risco de trabalho.

Caracterstica da equipe e tarefa

PSF45

Ameaa de falhar, de perder o trabalho

PSF16

Requerimentos de preciso.

PSF46

Monotonia do trabalho.

PSF17

Relaes controle/display

PSF47

Perodos

Fatores internos

Causa de tenso (fatores psicolgicos)

longo

de

vigilncia

sem

ocorrncias.
PSF18

Necessidades de interpretao.

PSF19

Necessidades de decises.

PSF20

Repetitividade.

PSF49

Durao da tenso fisiolgica.

PSF21

Complexidade da tarefa.

PSF50

Fadiga.

PSF22

Necessidade de memria.

PSF51

No comodidade e dor.

PSF23

Necessidade de efetuar clculos.

PSF52

Fome ou sede.

PSF24

Retroalimentao dos resultados.

PSF53

Temperatura do inspetor.

PSF25

Estrutura da equipe e comunicao

PSF54

Radiaes (efeito psicolgico).

PSF26

Interfase homem-mquina.

PSF55

Aceleraes extremas.

PSF27

Desenho de aparelho.

PSF56

Constrio de movimentos.

PSF28

Ferramentas.

PSF57

Insuficincia de oxignio.

Instrues de trabalho ou tarefa

PSF58

Presso atmosfrica extrema.

Uso dos procedimentos escritos.

PSF59

Falta de exerccio fsico.

PSF29

PSF48

Distraes (devido a rudos e outros).


Fatores fisiolgicos

lxxxv

Como base terica, considera-se:

PSF = {PSF1, PSF2, PSF3,..., PSFn} o conjunto de atributos de confiabilidade humana.


A incerteza dada pela qualidade da interao entre os 59 fatores do desempenho
no nos permite falar com certeza absoluta como ser a confiabilidade do inspetor,
devido a que seu mecanismo cognitivo vai estar mudando por causa da influencia destes
fatores.(Ver Figura III.7).

Fatores pessoais
Fatores ambientais
Fatores sociais

Contexto

Mecanismo
Cognitivo

Figura III.7.- Esquema que representa a influencia dos fatores de incidncia no


comportamento humano (no mecanismo cognitivo do homem).

Segunda etapa: Escolha de especialistas.

A teoria dos conjuntos fuzzy permite representar o conhecimento elicitado


atravs de funes de pertinncias. possvel construir um modelo fuzzy com ajuda de
um especialista, mas se formos capazes de elicitar o conhecimento de mais especialistas
e ao mesmo tempo que sejam de alto nvel de hierarquia, o modelo heurstico ganharia
em preciso.

lxxxvi

A preparao da lista dos especialistas deve ser baseada em pessoas de alta


hierarquia que sejam bem conhecidas pelos seus conhecimentos, experincia e trabalho
na rea de interesse. Foram escolhidos um total de 9 especialistas, deles 4 so de nvel
III (nvel mximo), 4 de nvel II e um sem qualificao mas com elevada experincia
como Professor e pesquisador na rea de ultra-som. Desta forma definimos o perfil dos
especialistas que iro avaliar os atributos. Como base terica, considera-se:

E = {E1, E2, E3,.., Em} o conjunto de especialistas, onde m = 9.

Terceira etapa: Determinar o grau de importncia de cada especialista.

Estamos em presena de um grupo de especialistas heterogneos (2


examinadores, 2 Professores, 3 inspetores de campo e 2 pesquisadores) por tal motivo
as opinies deles no podem ser consideradas com a mesma intensidade. Cada opinio
vai ter um grau de confiabilidade dada pelo grau relativo de importncia do especialista.
Os respectivos graus de importncia so definidos como um subconjunto g (k) [0,1].
O peso relativo em relao aos outros especialistas (mdia ponderada), definido por:

PEi =

(escores de cada item para i especialista)


(t qipe de cada especialista)
9

(III.1)

m =1

Como exibe a tabela III.7 e a figura III.8, o especialista I o de maior


importncia , devido a que seu peso relativo de 0,139 e o especialista J o de menor
importncia, sendo seu peso relativo de 0,08. Esta avaliao subjetiva da importncia de
cada especialista uma forma de diferenciar o peso relativo de cada um deles. O QIPE
utilizado subjetivo e informal, o objetivo dele tentar diferenciar quantitativamente
itens subjetivos.

lxxxvii

Tabela III.7- Resultados do QIPE.

Apurao dos resultados do QIPE


Ei /

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

A representao nebulosa dos nveis de importncia dos especialistas pode se observar


na seguinte figura III.8.

lxxxviii

Peso dos especialistas.

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

Figura III.8.- Representao dos pesos (nvel de importncia) dos especialistas.

Quarta etapa: Escolha dos termos lingsticos para avaliar os atributos de confiabilidade
humana .

Segundo HERRERA e VERDEGAY [65], uma varivel lingstica est


associada a duas regras: uma sinttica e uma semntica. Ns precisamos de um conjunto
de termos que defina a granulao da incerteza, ou seja, o nvel mais fino de distino
entre diferentes qualificaes da incerteza, como o qualifica PEDRYCZ [67].
Entretanto, uma vez estabelecido o conjunto de termos lingsticos, isto deve
permanecer constante ao longo de todo o processo de avaliao.

Os atributos foram definidos como crticos (aqueles que tm grande influncia na


confiabilidade humana), condicionantes (aqueles que tm influncia na confiabilidade
humana), pouco condicionantes (aqueles que tm pouca influncia na confiabilidade
humana), e irrelevantes (aqueles que no tm nenhuma influncia na confiabilidade
humana).

lxxxix

Quinta etapa: Escolher o intervalo numrico mensurvel (escala de pesos) Z[-, ].

Este intervalo conhecido como o conjunto referencial para a medio de um


atributo particular. DUBOIS [68] mostrou a utilidade dos nmeros fuzzy para processar
informao sob um ambiente fuzzy. Em particular o nmero fuzzy triangular tem sido
usado por ZIMMERMANN [69] para caracterizar a informao.
Na teoria fuzzy cada atributo de confiabilidade humana pode ser visto como uma
varivel lingstica, relacionada a um conjunto de termos lingsticos, associadas a
funes de pertinncia, em um conjunto referencial estabelecido previamente (ver
Fig.III.9).

Figura III.9 - A varivel lingstica "Performance Shaping Factor".

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.

Sexta etapa: Aplicao dos questionrios aos especialistas.

Um questionrio foi elaborado (Anexo 2) e entregue a cada um dos


especialistas. importante que o especialista entenda que o seu critrio ser usado num
trabalho de pesquisa importante e no como uma avaliao de conhecimento. Cada
atributo de confiabilidade humana ser uma composio de termos lingsticos, obtidos
em um processo de avaliao, feito atravs do julgamento dos especialistas . Assim
sendo, tambm sero nmeros fuzzy (ver Tabela III.8).

Tabela III.8.- Nmeros fuzzy normais para termos lingsticos.

Grau de importncia Simbologia

Termo lingstico

Nmero fuzzy

Irrelevante

N1=(0,0; 0,0; 1,0).

0,0

1,0

PC

2,0

Condicionante

N3=(1,0; 2,0; 3,0).

3,0

CR

Crtico

N1=(2,0; 3,0; 3,0).

Pouco Condicionante N2=(0,0; 1,0; 2,0).

Stima etapa: Tratamento dos dados coletados dos especialistas na avaliao de cada
atributo de confiabilidade.

xci

A combinao dos prognsticos individuais feita a partir de uma funo fuzzy


especfica envolvendo um clculo do grau de concordncia entre opinies, a gerao de
uma matriz de concordncia, a determinao da concordncia relativa, o clculo do
coeficiente de consenso dos especialistas e a determinao do valor fuzzy de cada PSF.
A sada desta etapa o nvel de importncia de cada atributo.

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)

Tabela III.9.- Matriz de interseo das opinies fuzzy.


Opinio

Fator

Fator

Fator

Pouco Fator

Crtico. Condicionante. Condicionante. Irrelevante.


Fator Crtico

1,00

0,25

Fator Condicionante

0,25

1,00

0,25

Fator Pouco Condicionante

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

rea Total (AT) das opinies fuzzy = (max { i ( x) , j (x) }) dx

(III.3)

Tabela III.10: Matriz de unio das opinies fuzzy.


Opinio

Fator

Fator

Fator

Pouco Fator

Crtico. Condicionante. Condicionante. Irrelevante.


Fator Crtico

1,00

1,25

1,50

1,00

Fator Condicionante

1,25

1,00

1,75

1,50

Fator Pouco Condicionante

1,50

1,75

1,00

1,25

Fator Irrelevante

1,00

1,50

1,25

1,00

7.3.- Clculo da Matriz de Concordncia (MC) de opinies fuzzy.

AI
=
MC =
AT

(min {

( x) , j (x) } ) dx

(max {

(III.4)

( x) , j (x) } ) dx

Tabela III.11.- Matriz de Concordncia das opinies fuzzy.


opin_i\opin_j opin_1

opin_2

opin_3 opin_n

opin_1

(Ai/At)11 (Ai/At)12 (Ai/At)13 (Ai/At)1n

opin_2

(Ai/At)21 (Ai/At)22 (Ai/At)23 (Ai/At)2n

opin_3

(Ai/At)31 (Ai/At)32 (Ai/At)33 (Ai/At)3n

opin_n

(Ai/At)n1 (Ai/At)n2 (Ai/At)n3 (Ai/At)nn

xciii

7.4.- Clculo do Coeficiente de Concordncia Relativa (CR).

1
* [(Ai/At)2i1 + (Ai/At)2i 2 + (Ai/At)2i 3 + ... + (Ai/At)2in ]
n 1

CRi =

(III.5)

7.5.- Clculo da soma dos coeficientes de concordncia relativas.


n

CR = CR
i =1

+ CR2 + CR3 + ... + CRn

(III.6)

7.6.- Clculo do grau de concordncia relativa (GCRk) de cada especialista.

CRk

GCRk =

(III.7)

CR

i =1

7.7.- Clculo do coeficiente de consenso de cada especialista (CCEk): se calcula levando


em conta o peso do especialista PEk.

CCEk =

GCRk * PEk
n

( GCR * PE )
i

i =1

(III.8)

7.8.- Avaliao do atributo de confiabilidade humana (fator de incidncia no


comportamento do inspetor).

(CCE * i )
i =1

onde

(III.9)

o nmero fuzzy (a,m,b) em dependncia da avaliao lingstica feita pelos

especialistas.
EXEMPLO .

xciv

Neste exemplo, apresentamos os clculos de avaliao do atributo de confiabilidade


humana: necessidades de interpretao.
Tabela III.12- Representao das opinies fuzzy dos especialistas sobre a influencia do
atributo Necessidades de interpretao na confiabilidade humana.
Atributo de confiabilidade humana\ Especialista A
Necessidades de interpretao

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

2,00 3,00 3,00

0,50

2,00 3,00 3,00

0,50

1,00 2,00 3,00

1,00

2,00 3,00 3,00

0,50

1,00 2,00 3,00

1,00

2,00 3,00 3,00

0,50

2,00 3,00 3,00

0,50

1,00 2,00 3,00

1,00

2,00 3,00 3,00

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

Figura III.10.- Representao da rea de interseo de dois opinies fuzzy.


Queda conformada a matriz de interseo de opinies fuzzy da seguinte maneira:

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

Figura III.11.- Representao da rea de unio de dois opinies fuzzy.


Queda conformada a matriz de unio das opinies fuzzy da maneira como aparece na
Tabela III.15.

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

7.3.- Clculo da Matriz de Concordncia (MC) de opinies fuzzy.

AI
=
MC =
AT

(min {

( x) , j (x) } ) dx

(max {

( x) , j (x) } ) dx

xcvii

Tabela III.16.- Matriz de Concordncia entre os especialistas na avaliao da influencia


do atributo Necessidade de interpretao na confiabilidade do inspetor.
Ej/Ek

EA/Ek EB/Ek EC/Ek ED/Ek EE/Ek EF/Ek EG/Ek EI/Ek EJ/Ek


Cr

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

7.4.- Clculo do Coeficiente de Concordncia Relativa (CR).


Atravs dos dados obtidos da matriz de concordncia, calculou-se a concordncia
relativa (CRi) de cada especialista envolvido neste processo, pela mdia quadrtica do
grau de concordncia entre eles. Ver Tabela III.17. Para o especialista A, por exemplo,

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

+ CR2 + CR3 + ... + CRn

xcviii

CR = 0,87 + 0,87 + 0,63 + 0,87 + 0,63 + 0,87 + 0,87 + 0,63 + 0,87 = 7,15
i =1

7.6.- Clculo do grau de concordncia relativa (GCRk) de cada especialista.


O grau da concordncia relativa, GCRi, de cada especialista, em relao aos demais
especialistas, foi obtido pela mdia ponderada de CRi de cada especialista, mostrado na
Tabela III.17. Para o especialista A, por exemplo, tem-se:

CRk

GCRk =

= 0,87 / 7,15 = 0,122

CR
i =1

7.7.- Clculo do coeficiente de consenso de cada especialista (CCEk).


O coeficiente de consenso foi obtido para cada especialista (CCEi), sendo considerado
tanto o grau de concordncia relativa GCRk, quanto o peso do especialista PEk. Na
Tabela III.18 mostramos estes coeficientes. Para o especialista A, por exemplo, tem-se

CCEA =

GCRk * PEk
n

( GCR * PE )
i

i =1

= (0,122)*(0,091) / 0,109 = 0,102

7.8.- Avaliao do peso ou da importncia do atributo Necessidade de interpretao.


(Ver Tabela III.18)
Tabela III.17.- Concordncia relativa, Tabela III.18.- Coeficiente de consenso de
grau

de

concordncia

coeficiente

de

relativa

e cada especialista e a avaliao subjetiva

entre

os feita por cada um deles representada por

consenso

especialistas na avaliao do atributo nmeros


Necessidade de interpretao.

Especialistas

CRi

GCRi CCEi

fuzzy

triangulares

(atributo

Necessidade de interpretao).

CCEi

Nmero fuzzy I

0,87464 0,122 0,102

0,102 2,00 3,00 3,00

0,87464 0,122 0,133

0,133 2,00 3,00 3,00

xcix

0,6364

0,089 0,107

0,107 1,00 2,00 3,00

0,87464 0,122 0,139

0,139 2,00 3,00 3,00

0,6364

0,089 0,091

0,091 1,00 2,00 3,00

0,87464 0,122 0,131

0,131 2,00 3,00 3,00

0,87464 0,122 0,096

0,096 2,00 3,00 3,00

0,6364

0,089 0,113

0,113 1,00 2,00 3,00

0,87464 0,122 0,089

0,089 2,00 3,00 3,00

(CCE * i ) onde i o nmero fuzzy (a,m,b) em dependncia da avaliao


N

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.

Figura III.12.- Representao da funo de pertinncia do atributo de confiabilidade


humana Necessidade de interpretao
Oitava etapa: Estabelecer o padro de qualidade do ensaio (matriz de demanda).

Para estabelecer o padro de qualidade do ensaio, calcula-se o peso Wi , isto , o


grau de contribuio de cada atributo, que compe o atributo agregado avaliado
(confiabilidade humana).Ver Tabela III.19.
O peso de cada atributo Wi foi obtido mediante um processo de normalizao,
dos graus de importncia de cada um de seus atributos constituintes, isto , o valor wi,
que foi calculado atravs da defuzzificao de seu nmero fuzzy

i (ai, mi, bi)

correspondente. Por tanto:


O valor wi ser dado por:
i. wi = mi, que corresponde ao valor com grau de pertinncia igual a 1, isto , este o
valor ntido (clssico) do atributo de confiabilidade.
ii.- O peso Wi, ser dado por:
Wi = wi / maior valor de mi
Assim obtivemos o grau de importncia fuzzy de cada atributo , ou seja, um
padro de qualidade para o ensaio no destrutivo por ultrasom, o qual cria as condies
de qualidade adequadas na realizao de um ensaio confivel. Assim sendo, levantamos
um padro de qualidade para a avaliao dos fatores de incidncia no desempenho de
um inspetor em ensaios no destrutivos de ultra som.
Esse padro pode ser utilizado tanto a priori para determinar a viabilidade de se
realizar uma medida como a posteriori para associar medida um grau de
possibilidade de acerto. Ambas as aplicaes esto condicionadas avaliao dos
fatores de incidncia no momento da medida e sua comparao com o padro [72].
Desta forma ordenamos os atributos de confiabilidade humana por nveis de
importncia formando um ranking geral de importncia/necessidade (ver Tabela III.20).
Todos os conjuntos fuzzy so considerados normalizados, isto tm suportes finitos e
assumem os valores no intervalo de [0,1].

ci

O conjunto fuzzy Padro de Qualidade do Ensaio vai ter uma expresso


discreta em um universo finito PSF, onde PSF = {PSF1, PSF2, PSF3,..., PSF59}.

Seja a representao do conjunto fuzzy Padro de Qualidade do ensaio (PQE),


ento:

(PQE) = (PSF1)/PSF1 + (PSF2)/PSF2 + ...+ (PSF59)/PSF59

cii

Tabela III.19.- Representao da avaliao fuzzy dos atributos de confiabilidade humana .


PSF

PSF

PSF

Caractersticas arquitetnicas.

0,79 1,45 2,31 0,49 Retroalimentao dos resultados.

1,27 2,27 2,80 0,77 Monotonia do trabalho

1,00 1,93 2,79 0,65

Caractersticas ambientais

0,87 1,87 2,61 0,63 Estrutura da equipe e comunicao

0,80 1,80 2,67 0,61 Perodo longo de vigilncia

0,99 1,92 2,79 0,65

Temperatura.

1,23 2,23 2,80 0,75 Interfase homem-mquina.

1,15 2,15 2,82 0,73 Distraes (por rudos , etc)

1,37 2,37 3,0 0,80

Umidade.

0,80 1,80 2,64 0,61 Desenho de aparelho.

0,20 0,90 1,90 0,30 Durao

da

tenso 1,58 2,58 2,94 0,87

fisiolgica.
Qualidade do ar.

0,88 1,88 2,63 0,63 Ferramentas.

0,49 1,44 2,19 0,48 Fadiga.

1,84 2,84 3,0 0,96

Iluminao.

0,82 1,73 2,40 0,58 Uso dos procedimentos escritos.

1,94 2,94 3,0

1,82 2,82 2,94 0,95

Ruido.

1,22 2,22 2,79 0,75 Comunicaes orais ou escritas.

1,23 2,23 3,0 0,75 Fome ou sede.

1,22 2,22 2,64 0,75

Vibraes.

1,05 2,05 2,62 0,69 Mtodos de trabalho.

1,10 2,10 3,0 0,71 Temperatura do inspetor.

1,53 2,53 2,93 0,86

Grau de limpeza em geral.

0,61 1,54 2,28 0,52 Polticas da gerncia.

0,54 1,33 2,18 0,45 Radiaes

No comodidade e dor.

(efeito 1,59 2,59 3,0 0,88

psicolgico).
Horrio de trabalho/descanso
Disponibilidade

1,41 2,40 3,0 0,81 Experincia e preparao anterior.

de 1,70 2,70 3,0 0,91 Prtica atual ou treinamento.

equipamento
Organizao de plantes.

1,70 2,70 3,0 0,91 Aceleraes extremas.

1,37 2,29 2,75 0,77

1,94 2,94 3,0

1,36 2,36 2,92 0,80

Constrio de movimentos.
1

1,21 2,21 2,93 0,75 Variveis pessoais, inteligncia.

1,23 2,22 3,0 0,75 Insuficincia de oxignio.

0,93 1,93 2,81 0,65 Motivao, atitude.

1,12 2,12 3,0 0,72 Presso

Estrutura da instituio.
Aes dos companheiros.
Recompensas

1,84 2,84 3,0 0,96

atmosfrica 1,39 2,39 2,79 0,81

extrema.
0,93 1,93 2,81 0,65 Estado emocional.
e 0,58 1,58 2,45 0,53 Atitudes (Influencias da famlia).

1,35 2,35 3,0 0,79 Falta de exerccio fsico.

1,06 2,06 2,94 0,70

1,33 2,33 2,93 0,79

reconhecimentos

96

Requerimentos de
preciso.
Relaes controle/display

1,36 2,36 2,92 0,80 Identificao

com

grupo

de 0,98 1,85 2,45 0,62

Legenda:

trabalho.
1,38 2,38 3,0 0,80 Apario

repentina

da

causa 1,06 2,06 2,94 0,7 PSF.- Performance Shaping Factor


(a; m; b).- nmero fuzzy triangular

psicolgica.

Necessidades de decises.

1,85 2,85 3,0 0,96 Velocidade de trabalho.

1,58 2,58 3,0 0,87 m.- valor mdio do conjunto fuzzy


1,70 2,70 2,93 0,91 R : nvel de importncia fuzzy do atributo

Repetitividade.

1,08 2,08 2,80 0,70 Carga de trabalho.

1,68 2,68 3,0 0,91

Complexidade da tarefa.

0,56 1,56 2,39 0,53 Risco de trabalho.

1,68 2,68 3,0 0,91

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

Necessidades de interpretao. 1,68 2,68 3,0 0,91 Durao da tenso psicolgica.

(normalizado).

trabalho

97

(PQE) = 1,00/ Prtica atual ou treinamento + 1,00/Uso dos procedimentos escritos +


+ 0,969/Necessidades de decises + 0,966/Insuficincia de oxignio + 0,966/Fadiga +
+ 0,959/No comodidade e dor + 0,918/Velocidade de trabalho + 0,918/Disponibilidade
do equipamento + 0,918/Experincia e preparao anterior + 0,918/Ameaa de falhar,
de perder o trabalho + 0,911/Carga de trabalho + 0,911/Risco de trabalho + 0,911/
Necessidade de interpretao + 0,881/Radiaes (efeito psicolgico) + 0,877/Durao
da tenso fisiolgica + 0,877/Durao da tenso psicolgica + 0,860/Temperatura do
inspetor + 0,816/Horrio de trabalho(horrio de descanso) + 0,812/Presso atmosfrica
extrema + 0,809/Relaes controle/display + 0,806/Distraes (devido a rudos e
outros) + 0,802/Requerimentos de preciso + 0,802/Constrio de movimentos + 0,799/
Estado emocional + 0,792/ Atitudes (Influencias da famlia) + 0,778/Aceleraes
extremas + ...+ 0,381/Necessidade de memria + 0,306/Desenho do aparelho.

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.

Algumas caractersticas do conjunto fuzzy Padro de Qualidade do ensaio podem ser


determinadas, por exemplo:

i.)-A cardinalidade do conjunto fuzzy Padro de Qualidade do Ensaio por propriedade


vai ser a soma das pertinncias dos atributos que conformam o conjunto:

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

A(x) / quantidade de atributos = 44,059/59 = 0,74.

98

Tabela III.20- Representao da avaliao fuzzy dos atributos de confiabilidade humana .


Atributo

GPM Normal.

Atributo.

GPM Normal.

Atributo

GPM Normal.

Prtica atual ou treinamento.

2,94

Requerimentos de preciso

2,36

0,802

Estrutura da instituio

1,93

0,656

Uso dos procedimentos .

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

Perodos longos de vigilncia s/o

1,92

0,653

Insuficincia de oxignio.

2,84

0,966

Atitudes (Influencias da famlia)

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

Retroalimentao dos resultados.

2,27

0,772

Identificao com o grupo

1,85

0,629

Velocidade de trabalho.

2,70

0,918

Necessidade de efetuar clculos.

2,24

0,761

Umidade

1,80

0,612

Disponibilidade do equipamento

2,70

0,918

Temperatura ambiental

2,23

0,758

Estrutura da equipe e comunicao 1,80

0,612

Experincia e preparao.

2,70

0,918

Comunicaes orais ou escritas

2,23

0,758

Iluminao

1,73

0,588

Ameaa (falhar, perder o trabalho) 2,70

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

Variveis pessoais, inteligncia

2,22

0,755

Grau de limpeza em geral

1,54

0,523

Necessidades de interpretao.

2,68

0,911

Organizao de plantes

2,21

0,751

Caractersticas arquitectnicas

1,45

0,493

Radiaes (efeito psicolgico).

2,59

0,881

Interfase homem-mquina

2,15

0,731

Ferramentas

1,44

0,489

Durao da tenso fisiolgica.

2,58

0,877

Motivao, atitude

2,12

0,721

Polticas da gerncia

1,33

0,452

Durao da tenso psicolgica.

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

Apario repentina da causa psicolgica 2,06

0,7

Presso atmosfrica extrema.

2,39

0,812

Falta de exerccio fsico

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

GPM: Grau de pertinncia mximo.


Normal.: Normalizao

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.

Segundo o princpio de PARETO [73], o 80% das dificuldades vm do 20% do


problema, ou seja, um pequeno nmero de questes responsvel por um grande
nmero de problemas. Aplicando Pareto, o 20% de 59 atributos 11,8; isto significa
que 12 atributos representam o maior peso na confiabilidade do ensaio. Aqui
apresentamos 13 atributos devido a que o ltimo atributo (PSF44) tem o mesmo grau de
importncia que o atributo PSF18 . Eles so:

PSF34: Prtica atual ou treinamento, ( PSF34 ) = 1.


PSF29: Requerimentos de usos de procedimentos, ( PSF29 ) = 1.
PSF19: Necessidades de decises, ( PSF19 ) = 0,969.
PSF57: Insuficincia de oxignio, ( PSF57 ) = 0,965.
PSF50: Fadiga, ( PSF50 ) = 0,965.
PSF51: No comodidade e dor, ( PSF51 ) = 0,959.
PSF42: Velocidade de trabalho, ( PSF42 ) = 0,918
PSF11: Disponibilidade e adequao do equipamento, (PSF11 ) = 0,918
PSF33: Experincia e preparao anterior, ( PSF33 ) = 0,918
PSF45: Ameaa de falhar, de perder o trabalho, ( PSF45 ) = 0,918
PSF43: Carga de trabalho, ( PSF43 ) = 0,911
PSF44: Risco de trabalho, (PSF44 ) = 0,911

99

PSF18: Necessidades de interpretao, (PSF42 ) = 0,911

Em nosso resultado a anlise de Pareto equivalente a fazer um -cut, sendo = 0,9.

Nona etapa: Calcular o grau de atendimento ao padro de qualidade do ensaio como um


ndice de confiabilidade humana.

possvel avaliar a confiabilidade humana de diferentes inspetores tomando como


referncia o conjunto fuzzy : Padro de Qualidade do Ensaio. Para fazer este tipo de
avaliao foi feito o seguinte:

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.

3ro.- Os termos lingsticos timo, Bom, Regular, Ruim e Pssimo foram


representados por funes de pertinncias triangulares, denotando assim o grau de
atendimento de cada atributo considerado (ver Figuras desde III.14 at III.18).

Figura III.14.- Funo de pertinncia para o

Figura III.15.- Funo de pertinncia para o

100

termo nebuloso Pssimo.

termo nebuloso Ruim.

Figura III.16.- Funo de pertinncia para o

Figura III.17.- Funo de pertinncia para o

termo nebuloso Regular.

termo nebuloso Bom.

Figura III.18.- Funo de pertinncia para o


termo nebuloso timo .

Na tabela III.21 aparece representado o grau de pertinncia mximo (GPM) para cada
um dos termos fuzzy.

Tabela III.21.- Valores de pertinncia mximo para os diferentes termos fuzzy.

Grau de atendimento Representao GPM


timo

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):

As perguntas so referentes ao grau de comportamento de cada um dos 59


atributos de confiabilidade humana nos seus ambientes fsicos, ou seja, o que nos
oferece um ambiente especfico com relao ao comportamento dos atributos de
confiabilidade humana. Uma vez respondido o questionrio pelos inspetores foi
conformada o vetor fuzzy de oferta daqueles ambientes fsicos, representado na tabela
III.22.

5to.- Tabulao dos valores de pertinncia.

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.

O objetivo deste processo obter-se um nico valor numrico discreto que


melhor represente os valores fuzzy inferidos da varivel lingstica de sada (ndice de
atendimento ao padro de qualidade do ensaio, que significa a sua vez um ndice de
confiabilidade humana).

Utilizando o mtodo COG (Center of Gravity) e a frmula correspondente


(III.31) calculamos Rij, i.e, o grau de atendimento do inspetor ao padro de qualidade,
sendo este um ndice de confiabilidade humana.

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.

Desta forma os resultados obtidos so (Ver Tabela III.24):

R (inspetor_1) = 0,742. Significa que o inspetor 1 atende em 74,2% ao padro de


qualidade do ensaio naquele ambiente fsico.
R (inspetor_2) = 0,735. Significa que o inspetor 2 atende em 73,5% ao padro de
qualidade do ensaio naquele ambiente fsico.
R (inspetor_3) = 0,793. Significa que o inspetor 3 atende em 79,3% ao padro de
qualidade do ensaio naquele ambiente fsico.

Ao comparar, possvel inferir que o inspetor 3 possui o maior grau de desempenho


esperado. Ele quem melhor atende ao padro de qualidade do ensaio, ou seja, ele o
de melhor ndice de confiabilidade humana.

103

Tabela III.22.- Matriz de Oferta (comportamento dos PSFs em dois ambientes fsicos diferentes segundo a opinio de trs inspetores).

PSF

In_1 In_2 In_3

PSF

In_1 In_2 In_3

PSF

Caractersticas arquitetnicas.

Necessidade de efetuar clculos.

Ameaa de falhar ( perder o trabalho)

Caractersticas ambientais

Retroalimentao dos resultados.

Monotonia do trabalho

Temperatura.

Estrutura da equipe e comunicao

Perodo longo de vigilncia

Umidade

Interfase homem-mquina

Qualidade do ar.

Desenho de aparelho

Iluminao.

Ferramentas.

RU

RU

Uso dos procedimentos escritos.

Vibraes.

Grau de limpeza em geral.

Horrio de trabalho/descanso

Disponibilidade de equipamento

In_1 In_2 In_3


RU

RU

RU

RU

RU

Distraes (por rudos)

Durao da tenso fisiolgica.

Fadiga.

No comodidade e dor.

Comunicaes orais ou escritas.

Fome ou sede.

Mtodos de trabalho.

Temperatura do inspetor.

RU

RU

Polticas da gerncia.

Radiaes (efeito psicolgico).

RU

RU

Experincia e preparao anterior.

Aceleraes extremas.

RU

RU

Organizao de plantes.

Prtica atual ou treinamento.

Constrio de movimentos.

RU

RU

Estrutura da instituio.

Variveis pessoais, inteligncia.

Insuficincia de oxignio.

RU

RU

Aes dos companheiros.

Motivao, atitude.

Presso atmosfrica extrema.

RU

RU

Estado emocional.

Falta de exerccio fsico.

RU

RU

RU

Atitudes (Influencias da famlia).

Ruido.

Recompensas

reconhecimentos
Requerimentos de
preciso.

103

Relaes controle/display..

Identificao com o grupo de trabalho.

Apario

Necessidades de interpretao.

repentina

da

causa

psicolgica.

Legenda :

In_1, In_2 e In_3 so os inspetores 1, 2 e 3

Necessidades de decises.

Durao da tenso psicolgica.

respectivamente.

Repetitividade.

Velocidade de trabalho.

PSF: Performance Shaping Factors.

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

In_1 In_2 In_3

PSF

In_1 In_2 In_3

PSF

In_1 In_2 In_3

Caractersticas arquitetnicas.

0,8

0,8

0,6 Necessidade de efetuar clculos.

0,8

0,8

1,0 Ameaa de falhar ( perder o trabalho)

0,4

0,8

0,4

Caractersticas ambientais

0,8

0,8

0,6 Retroalimentao dos resultados.

0,8

0,8

0,6 Monotonia do trabalho

0,6

0,2

1,0

Temperatura.

0,8

0,8

0,6 Estrutura da equipe e comunicao

0,8

0,8

0,8 Perodo longo de vigilncia

0,4

0,4

0,4

Umidade

0,6

0,8

0,8 Interfase homem-mquina.

0,8

0,8

0,8 Distraes (por rudos)

0,8

0,8

0,8

Qualidade do ar.

0,8

0,8

0,6 Desenho de aparelho.

1,0

0,8

0,8 Durao da tenso fisiolgica.

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

0,6 Uso dos procedimentos escritos.

0,8

0,8

0,6 No comodidade e dor.

1,0

1,0

1,0

Vibraes.

0,6

0,6

0,8 Comunicaes orais ou escritas.

0,8

0,8

0,8 Fome ou sede.

1,0

1,0

1,0

104

Grau de limpeza em geral.

1,0

1,0

0,8 Mtodos de trabalho.

1,0

0,8

0,8 Temperatura do inspetor.

0,4

0,4

1,0

Horrio de trabalho/descanso

0,8

0,8

0,8 Polticas da gerncia.

1,0

1,0

0,8 Radiaes (efeito psicolgico).

0,4

0,4

0,6

Disponibilidade de equipamento

0,8

0,8

0,8 Experincia e preparao anterior.

0,8

0,8

0,8 Aceleraes extremas.

0,4

0,4

1,0

Organizao de plantes.

0,8

0,8

0,6 Prtica atual ou treinamento.

0,6

0,6

0,8 Constrio de movimentos.

0,4

0,4

1,0

Estrutura da instituio.

0,8

0,8

0,6 Variveis pessoais, inteligncia.

0,8

0,8

0,8 Insuficincia de oxignio.

0,4

0,4

1,0

Aes dos companheiros.

0,8

0,8

0,8 Motivao, atitude.

0,8

0,8

1,0 Presso atmosfrica extrema.

0,4

0,4

1,0

e 0,2

0,2

0,8 Estado emocional.

0,8

0,8

1,0 Falta de exerccio fsico.

0,4

0,4

0,4

0,8

0,8

0,8 Atitudes (Influencias da famlia).

0,6

0,6

0,8

0,8

0,8

1,0 Identificao com o grupo de trabalho.

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

0,8 Durao da tenso psicolgica.

1,0

1,0

Repetitividade.

0,6

0,6

0,8 Velocidade de trabalho.

0,8

0,8

In_1, In_2 e In_3 so os inspetores 1, 2 e 3


1,0 respectivamente.
0,8 PSF: Performance Shaping Factors

Complexidade da tarefa.

0,8

0,8

1,0 Carga de trabalho.

0,8

0,8

0,6

Necessidade de memria

0,8

0,8

1,0 Risco de trabalho.

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

In_1 In_2 In_3

0,49 0,8

0,8

PSF

0,6 Necessidade de efetuar clculos.

In_1 In_2 In_3

0,76 0,8

0,8

Caractersticas arquitetnicas.

PSF

In_1 In_2 In_3

1,0 Ameaa de falhar ( perder o 0,91 0,4

0,8

0,4

trabalho)

Caractersticas ambientais

0,63 0,8

0,8

0,6 Retroalimentao dos resultados.

0,77 0,8

0,8

0,6 Monotonia do trabalho

0,65 0,6

0,2

1,0

Temperatura.

0,75 0,8

0,8

0,6 Estrutura da equipe e comunicao 0,61 0,8

0,8

0,8 Perodo longo de vigilncia

0,65 0,4

0,4

0,4

Umidade.

0,61 0,6

0,8

0,8 Interfase homem-mquina.

0,73 0,8

0,8

0,8 Distraes (por rudos)

0,80 0,8

0,8

0,8

Qualidade do ar.

0,63 0,8

0,8

0,6 Desenho de aparelho.

0,30 1,0

0,8

0,8 Durao da tenso fisiolgica.

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

0,6 Uso dos procedimentos escritos.

0,8

0,8

0,6 No comodidade e dor.

0,95 1,0

1,0

1,0

Vibraes.

0,69 0,6

0,6

0,8 Comunicaes orais ou escritas.

0,75 0,8

0,8

0,8 Fome ou sede.

0,75 1,0

1,0

1,0

Grau de limpeza em geral.

0,52 1,0

1,0

0,8 Mtodos de trabalho.

0,71 1,0

0,8

0,8 Temperatura do inspetor.

0,86 0,4

0,4

1,0

Horrio de trabalho/descanso

0,81 0,8

0,8

0,8 Polticas da gerncia.

0,45 1,0

1,0

0,8 Radiaes (efeito psicolgico). 0,88 0,4

0,4

0,6

Disponibilidade de equipamento 0,91 0,8

0,8

0,8 Experincia e preparao anterior.

0,91 0,8

0,8

0,8 Aceleraes extremas.

0,77 0,4

0,4

1,0

Organizao de plantes.

0,75 0,8

0,8

0,6 Prtica atual ou treinamento.

0,6

0,6

0,8 Constrio de movimentos.

0,80 0,4

0,4

1,0

Estrutura da instituio.

0,65 0,8

0,8

0,6 Variveis pessoais, inteligncia.

0,75 0,8

0,8

0,8 Insuficincia de oxignio.

0,96 0,4

0,4

1,0

Aes dos companheiros.

0,65 0,8

0,8

0,8 Motivao, atitude.

0,72 0,8

0,8

1,0 Presso atmosfrica extrema.

0,81 0,4

0,4

1,0

e 0,53 0,2

0,2

0,8 Estado emocional.

0,79 0,8

0,8

1,0 Falta de exerccio fsico.

0,70 0,4

0,4

0,4

Recompensas

reconhecimentos

105

Requerimentos de

0,80 0,8

0,8

0,8 Atitudes (Influencias da famlia).

0,79 0,6

0,6

0,8

0,80 0,8

0,8

1,0 Identificao com o grupo de 0,62 0,8

0,8

1,0

1,0

1,0

preciso.
Relaes controle/display..

Grau de atendimento

0,74 0,73 0,79

trabalho.
0,91 1,0

0,8

Necessidades de interpretao.

1,0 Apario

repentina

da

causa 0,70 1,0

psicolgica.

Necessidades de decises.

0,96 1,0

1,0

0,8 Durao da tenso psicolgica.

0,87 1,0

1,0

1,0

Repetitividade.

0,70 0,6

0,6

0,8 Velocidade de trabalho.

0,91 0,8

0,8

0,8 P: nvel de importncia (peso normalizado).

Complexidade da tarefa.

0,53 0,8

0,8

1,0 Carga de trabalho.

0,91 0,8

0,8

0,6

Necessidade de memria

0,38 0,8

0,8

1,0 Risco de trabalho.

0,91 0,8

0,8

0,4

Legenda:

106

Dcima etapa: Determinar o grau de incluso de um conjunto fuzzy (Padro de


qualidade do ensaio) em outro conjunto fuzzy (Desempenho do inspetor).

Se A o conjunto fuzzy que representa o Padro de Qualidade do ensaio e B o


conjunto fuzzy que representa o desempenho do inspetor ento o grau de incluso do
conjunto fuzzy Padro de qualidade do ensaio no conjunto fuzzy Desempenho do
inspetor ser

S(A,B) =

Card ( A) max{0, A( x) B( x)}


Card ( A)
xX

(II.20)

=> S(A,B1)=(1/43,8) * (43,8 (0,2+0,2+0,169+0,366+0,166+0,159+0,518+ 0,318+0

+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

=> S(A,B2)=(1/43,4) * (43,4 (0,2+0,2+0,169+0,166+0,166+0,159+0,518+ 0,318+0


+ 0,118+0,111+0,111+0,111+0,081+0,677+0,077+0,06+0,016+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+0,439+0,236
+0+0+0+0+0+0,13+0,123+0,093+0,089+0,052+0+0) = 0,8871

=>S(A,B3)=(1/46,8) * (46,8 (0,4+0,4+0,369+0,166+0,366+0,359+0,318+0,118+

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

Atributos de confiabilidade humana

Figura III.19.- Grfico que representa o grau de incluso do padro de qualidade do


ensaio no desempenho do inspetor 1.

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

Atributos de confiabilidade humana

Figura III.20.- Grfico que representa o grau de incluso do padro de qualidade do


ensaio no desempenho do inspetor 2.

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

Atributos de Confiabilidade humana

Figura III.21.- Grfico que representa o grau de incluso do padro de qualidade do


ensaio no desempenho do inspetor 3.

Concluso: o padro de qualidade do ensaio est mais includo no desempenho do

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).

Tabela III.25.- Comparao entre os 3 inspetores.

Grau de

Grau de incluso do padro

Inspetor

desempenho

de qualidade no inspetor

In_1.

0,742

0,8873

In_2

0,735

0,8871

In_3

0,793

0,8957

Segunda parte: Estudo do procedimento de ultra-som.

108

Com ajuda do procedimento PR-011, que fixa as condies exigveis e prticas


recomendadas na realizao do ensaio no-destrutivo por meio do ultra-som e se aplica
na medio de espessura, inspeo de chapa grossa e inspeo de solda, construmos a
seqncia de tarefas que a sua vez foi revisada por 4 especialistas
Primeira etapa: Construo de seqncias de tarefas ou aes humanas (o mais
detalhado possvel) executadas pelo inspetor durante o ensaio (anlise do procedimento
de ultra-som).

Procedimento do ensaio por ultra som


1.- Calibrao. Verificar a linearidade vertical do aparelho

1.1 Obter um eco


1.2 Colocar o eco em 100% (leitura)
1.3 Reduzir + 6 dB
1.4 Verifica a altura que ficou o eco (leitura)
1.5 Reduze + 6 dB
1.6 Verifica de novo a altura (leitura)
1.7 Reduze + 6 dB
1.8 Verifica de novo a altura (leitura)

2.- Calibrao. Verificar a linearidade horizontal do aparelho

2.1 Colocar um eco na tela


2.2 Fazer uma leitura
2.3 Colocar um segundo eco na tela.
2.4 Fazer uma leitura
2.5 Colocar um terceiro eco na tela
2.6 Fazer uma leitura
2.7 Colocar um quarto eco na tela
2.8 Fazer uma leitura
2.9 Verificar. Se estiver bom usa, se estiver ruim troca.

3.- Solicitar informaes sobre a pea (dimetro, espessura, material, perfil do


chanfro)

109

4.- Escolher o bloco de referncia em funo da espessura.


5.- Escolher o cabeote e o ngulo.
6.- Escolher a freqncia.
7.- Preparao da superfcie da pea.

- Esmerilhamento
- Escovamento
- Lixamento

8.- Determinar a sensibilidade correta para a varredura e avaliao das


descontinuidades.

8.1- Posicionar corretamente o cabeote no bloco


8.2- Achar o sinal de 5 pontos no aparelho (leitura)
8.3- Marcar os sinais na tela
8.4- Traar as curvas
8.5- Acrescentar o ganho das perdas por transferncia GC=GP+PT
8.6- Clculo do ganho por varredura GK=GC + 6 dB

9.- Determinar as perdas por transferncia.

9.1- Pegar o bloco de referncia


9.2- Colocar corretamente um cabeote emissor e um receptor
9.3- Fazer trs leituras e achar trs pontos
9.4-Traar uma curva na tela do aparelho
9.5- Posicionar corretamente o cabeote na pea
9.6- Fazer uma leitura (Ler a diferena entre dois pontos)
9.7- Usar essa diferena

10.- Usar corretamente as tcnicas de varredura especificadas no procedimento.

11.- Determinar corretamente a rea de varredura.

11.1- Mede a rea em funo da espessura e do ngulo do cabeote


11.2- Fazer um clculo trigonomtrico

12.- Examinar corretamente a rea de varredura (sobreposio e velocidade).

110

13.- Localizar as descontinuidades no sentido longitudinal.

13.1- Movimentar o cabeote at a perda do sinal


13.2- Fazer uma leitura no aparelho
13.3- Fazer uma medio com a trena
13.4- Anotar

14.- Localizar as descontinuidades no sentido transversal

14.1- Saber das marcas de referncia zero.


14.2- Maximizar o eco.
14.3- Ler no aparelho a distncia do eco = l.
14.4- Multiplicar por sen (d = l * sen )
14.5- Fazer uma medio (distncia do ponto focal referncia)
14.6- Fazer uma subtrao
14.7- Anotar
15.- Localizar as descontinuidades na profundidade

15.1- Maximizar o eco


15.2- Ler no aparelho l
15.3- Calcular (2 * eco - l * cos )
15.4- Anotar

16.- Dimensionar as descontinuidades

. 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

16.9- Fazer uma medio direta


16.10- Anotar

17.- Avaliar as reflexes da raiz de solda

17.1- Movimentar corretamente o cabeote


17.2- Observar o sinal na tela
17.3- Comparar com o perfil do feixe e a figura do chanfro
17.4- Anotar

18.- Emitir o laudo.

18.1- Registrar as descontinuidades


18.2- Compara as medies registradas com os critrios.
19.- Preencher o relatrio.

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.

Segunda etapa: Escolha de 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 9 especialistas, e o transtorno que ocasiona uma falha
humana nos itens ou eventos subseqentes. Ver Tabelas III.26,III.27, III.28 e III.29.

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

N1=(0,0; 0,0; 1,0).

1,0

QZ

Quase Zero

N2=(0,0; 1,0; 2,0).

2,0

MB

Muito Baixa

N3=(1,0; 2,0; 3,0).

3,0

Baixa

N4=(2,0; 3,0; 4,0).

4,0

Mod

Moderada

N5=(3,0; 4,0; 5,0).

5,0

Alta

N6=(4,0; 5,0; 6,0).

112

6,0

MA

Muito Alta

N7=(5,0; 6,0; 6,0).

Tabela III.27.- Nmeros fuzzy normais (p; q; r) para termos lingsticos representando a
varivel nvel de dependncia entre tarefas.

Grau de importncia Simbologia Termo lingstico

Nmero fuzzy

0,0

Zero

Zero

N1=(0,0; 0,0; 1,0).

1,0

Baixa

N2=(0,0; 1,0; 2,0).

2,0

Mod

Moderada

N3=(1,0; 2,0; 3,0).

3,0

Alta

N4=(2,0; 3,0; 4,0).

4,0

Completa

N5=(3,0; 4,0; 4,0).

Tabela III.28.- Nmeros fuzzy normais (s; t; u) para termos lingsticos representando a
varivel nvel de incerteza na estimao dos especialistas.

Grau de importncia Simbologia Termo lingstico

Nmero fuzzy

0,0

Baixo

N1=(0,0; 0,0; 1,0).

1,0

Mod

Moderado

N2=(0,0; 1,0; 2,0).

2,0

MqA

Mais que Alto

N3=(1,0; 2,0; 3,0).

3,0

Alto

N4=(2,0; 3,0; 3,0).

Tabela III.29.- Graus de pertinncia mximo (GPM) e representao fuzzy dos


diferentes nveis de transtornos.

Grau de transtorno

GPM Nmero fuzzy triangular

Transtorno Crtico

1,0

(0,8; 1,0; 1,0)

Transtorno importante

0,8

(0,6 ; 0,8; 1,0)

Algum transtorno

0,6

(0,4, 0,6; 0,8)

113

Pouco transtorno

0,4

(0,2; 0,4; 0,6)

Nenhum transtorno

0,2

(0,0; 0,2; 0,4)

ONISAWA [74, 75] determinou uma maneira correta de aplicar a metodologia


fuzzy tratando a probabilidade como um nmero fuzzy . RASSMUSSEN [11] classificou
os diferentes tipos de erros em que pode incorrer o homem. Estes erros que foram
avaliados pelos especialistas so: erros de omisso (no realizar uma ao ou tarefa
requerida pelo sistema) e erros de comisso (execuo incorreta de uma tarefa ou ao
requerida pelo sistema ou a realizao de uma tarefa ou ao no requerida pelo sistema
e que tem a potencialidade para fazer falhar ao sistema, exemplo, erro de clculo, erro
de leitura, erro de medio, erro de seqncia, erro de seleo, erro cognitivo (busca,
classificao, interpretao, memria).

Os especialistas do a sua opinio sobre as probabilidades de falha do inspetor


em cada ao a realizar. O conceito de erro humano/possibilidade de falha tem-se usado
[74] no lugar de erro humano/probabilidade de falha. De fato tratado o erro
humano/possibilidade de falha como um tipo de probabilidade fuzzy.

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.

Segundo SHAW e SIMES [76], a quantidade de funes de pertinncia em um


universo de discurso (igual quantidade de termos fuzzy) e seu formato so escolhidos
com base na experincia, na natureza do processo, ou em entrevistas com especialistas
De modo geral esta no uma tarefa trivial. Contudo, um nmero prtico de conjuntos
fuzzy lingsticos (funes de pertinncia) algo entre 2 e 7. Quanto maior o nmero de
114

conjuntos, maior a preciso, mas a demanda computacional tambm mais


significativa. Por exemplo, experincias mostraram que uma mudana de 5 conjuntos
triangulares para 7 aumenta a preciso em torno de uns 15%, a partir de valores maiores
no h melhorias extremamente significativas .

Terceira etapa: As funes de pertinncias dos termos fuzzy so representadas por


nmeros fuzzy triangulares do tipo L-R. (ver Figuras III.22 at III.29)

Figura III.22.-Representao das funes de pertinncia para a


varivel lingstica probabilidade de falha

Figura III.23.- Representao das funes de pertinncia para a


varivel lingstica nvel de dependncia entre tarefas

115

Figura III.24.- Representao das funes de pertinncia para a


varivel lingstica nvel de incerteza na estimao dos
especialistas.

Figura III.25.- Funo de pertinncia para o

Figura III.26.- Funo de pertinncia para o

termo nebuloso nenhum transtorno.

termo nebuloso pouco transtorno .

Figura III.27.- Funo de pertinncia para o

Figura III.28.- Funo de pertinncia para o

termo nebuloso algum transtorno.

termo nebuloso importante transtorno

116

Figura III.29.- Funo de pertinncia para o


termo nebuloso transtorno crtico .

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.

Na Tabela III.30, como exemplo, apresentada a avaliao de um especialista.

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.

Probabilidade de falha humana durante a execuo da tarefa

Nvel de dependncia entre a tarefa (i+1) e a tarefa (i)

Itens

Esp A

Itens

Esp A

Itens

Esp A

Itens

Esp A

Itens

Esp A

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

Quinta etapa: Transformar as expresses lingsticas em nmeros fuzzy e agregar as


opinies dos especialistas.

Tabela III.31.- Resultado da agregao de avaliaes fuzzy feitas pelos especialistas


sobre itens do procedimento de ultra-som.

Item do procedimento de ultra-

Probabilidade de

Nvel de dependncia

falha fuzzy (a;m;b)

fuzzy (p;q;r)

som.

1.- Calibrao. Verificar a

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

5.- Escolher o cabeote e o ngulo.

1,41

2,35

3,35

0,82

1,79

2,54

6.- Escolher a freqncia.

1,16

2,11

3,11

0,32

1,09

1,98

7.- Preparao da superfcie da

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

linearidade horizontal do aparelho.


2.- Calibrao. Verificar a
linearidade vertical do aparelho.
3.- Solicitar informaes sobre a
pea.
4.- Escolher o bloco de referncia
em funo da espessura.

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

13.- Localizar as descontinuidades

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

18.- Emitir o laudo.

2,03

3,03

4,03

2,97

3,97

3,98

19.- Preencher o relatrio.

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.

Os resultados normalizados aparecem representados na Tabela III.32. Os especialistas


tambm estimaram que o nvel de incerteza das avaliaes feitas por eles foi baixo.
Tabela III.32.- Representao fuzzy normalizada das avaliaes feitas pelos especialistas
sobre os itens do procedimento.

Item do procedimento de ultra-

Probabilidade de

Nvel de dependncia

falha fuzzy (a;m;b)

fuzzy (p;q;r)

som

1.- Calibrao. Verificar a


linearidade horizontal do aparelho.

0,33

0,497 0,66

0,29

0,46

0,63

0,46

0,61

0,78 0,0025 0,0225 0,2725

em funo da espessura.

0,35

0,503 0,67

0,65

0,9

0,95

5.- Escolher o cabeote e o ngulo.

0,24

0,392 0,56

0,205

0,4475

0,635

6.- Escolher a freqncia.

0,19

0,352 0,52

0,08

0,2725

0,495

7.- Preparao da superfcie da

0,22

0,373 0,54 0,0275

0,235

0,485

2.- Calibrao. Verificar a


linearidade vertical do aparelho.

0,0075 0,2575

3.- Solicitar informaes sobre a


pea.
4.- Escolher o bloco de referncia

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

0,475 0,64 0,7325 0,9825

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

18.- Emitir o laudo.

0,34

0,505 0,67 0,7425 0,9925

0,995

19.- Preencher o relatrio.

0,34

0,502 0,67 0,7425 0,9925

0,995

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.
13.- Localizar as descontinuidades
no sentido longitudinal.
14.- Localizar as descontinuidades
no sentido transversal.
15.- Localizar as descontinuidades
na profundidade.

0,94

0,9825

16.- Dimensionar as
descontinuidades.
17.- Avaliar as reflexes da raiz de

Para se obter a comparao das probabilidades de falhas fuzzy de cada item ou ao


humana necessrio ordenar os nmeros fuzzy triangulares com relao ao mximo
grau de pertinncia no vetor de pertinncias . Cada item assume uma posio no ranking
final de probabilidades de falhas fuzzy. (Ver Tabela III.33).

Tabela III.33.- Ranking dos itens do procedimento com relao s probabilidades de


falha fuzzy .

119

Item do procedimento de ultra-som

14.- Localizar as descontinuidades no sentido transversal.

Ranking
1

17.- Avaliar as reflexes da raiz de solda.

0,98

16.- Dimensionar as descontinuidades.

0,95

15.- Localizar as descontinuidades na profundidade.

0,92

13.- Localizar as descontinuidades no sentido longitudinal.

0,82

3.- Solicitar informaes sobre a pea.

0,78

10.- Usar corretamente as tcnicas de varredura.

0,75

8.- Determinar a sensibilidade correta para a varredura.

0,74

9.- Determinar as perdas por transferncia.

0,71

18.- Emitir o laudo.

0,70

4.- Escolher o bloco de referncia em funo da espessura.

0,64

19.- Preencher o relatrio.

0,64

1.- Calibrao. Verificar a linearidade horizontal do

0,63

aparelho.
12.- Examinar corretamente a rea de varredura.

0,60

11.- Determinar corretamente a rea de varredura.

0,60

2.- Calibrao. Verificar a linearidade vertical do

0,58

aparelho.
5.- Escolher o cabeote e o ngulo.

0,50

7.- Preparao da superfcie da pea.

0,47

6.- Escolher a freqncia.

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

DONGHAN [77] considera trs elementos bsicos a considerar durante o


tratamento da opinio dos especialistas: como representar a incerteza da informao,
como combinar a incerteza da informao obtida de diferentes especialistas e como
propagar essa informao atravs do sistema. De acordo com isto importante fazer um
estudo sobre o grau de transtorno que ocasiona uma falha humana durante o ensaio
(propagao da falha atravs do sistema de inspeo).

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)

(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)

(0;0;0,2)

(0;0;0,2) (0;0;0,2) (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)

(0,15;0,2;0,4) (0,15;0,25;0,45) (0,2;0,25;0,4)

(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)

(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)

(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)

(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)

(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)

(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)

(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)

(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)

(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)

(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)

(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;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)

(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)

(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)

(0,45;0,65;0,85) (0,35;0,5;0,7) (0,15;0,25;0,45) (0,3;0,45;0,65)

(0,6;0,8;0,95)

(0,3;0,4;0,55)

(0,65;0,85;0,9)

(0,45;0,6;0,75)

(0,45;0,6;0,75) (0,45;0,6;0,75) (0,25;0,35;0,5)

(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

Na Tabela III.36 aparecem representados os nmeros fuzzy triangulares


(intervalos de possibilidade) com -cut = 0,8 os quais representam graus de transtornos
importantes ou crticos para a confiabilidade do ensaio. Na Tabela por exemplo, T 3-5
(0,6; 0,8; 1) significa que uma falha no item 3 provoca um grau de transtorno
importante com uma funo de pertinncia triangular de (0,6;0,8;1).

Tabela III.36.- Grau de transtorno fuzzy ocasionado pela falha num item.

Item i

Ti-j (Grau de transtorno que provoca uma falha no item i em j).

O item 1 no provoca transtornos importantes ou crticos

Nem o item 1 nem o 2 provocam transtornos importantes ou crticos

Os itens 1, 2 e 3 no provocam transtornos importantes ou crticos

T 3-5 (0,6; 0,8; 1)

T 3-6 (0,6; 0,8; 0,95)

-no provoca transtornos importantes ou crticos em outros itens

T 2-8 (0,75; 0,95; 1) ; T 4-8(0,6; 0,8; 0,9)

T 2-9 (0,65; 0,85; 1) ; T 3-9(0,6; 0,8; 0,95) ; T 4-9 (0,75; 0,95; 1)

10

-no provoca transtornos importantes ou crticos em outros itens

11

-no provoca transtornos importantes ou crticos em outros itens

12

T 5-12 (0,6; 0,8; 0,9) ; T 11-12 (0,65; 0,85; 0,9)

13

T 12-13 (0,8; 1; 1)

14

T 1-14 (0,75; 0,95; 1) ; T 12-14 (0,8; 1; 1)

15

T 1-15 (0,8; 1; 1) ; T 12-15 (0,8; 1; 1)

16

T 1-16 (0,6; 0,8; 0,9) ; T 2-16 (0,7; 0,9; 0,95)

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

T 3-19 (0,6; 0,8; 0,95) ; T 18-19 (0,75; 0,95; 1)

Com as opinies dos especialistas agregadas obtivemos uma informao que


serve como dado de entrada para a rvore de falhas fuzzy a ser construda. Tanto as
probabilidades de falha fuzzy, quanto o nvel de dependncia entre tarefas e o grau de
transtorno que ocasiona a falha em um item em outros itens, so causas de uma possvel
falha em qualquer item do procedimento.

Sexta etapa: Construir a rvore de falha fuzzy do inspetor.

A rvore de falhas um diagrama lgico que consiste em um evento topo e uma


estrutura delineando os caminhos pelos quais o evento topo pode acontecer. Em nosso
caso podemos representar 19 sub eventos topos e um evento topo final que representa a
falha total do sistema de ensaio. A rvore de falhas analisada para determinar que
combinaes de eventos terminais (chamados cut set) so suficientes para causar o
evento topo (S) e a possibilidade de ocorrncia deste evento.

Nas figuras desde III.37 at III.56 aparecem representadas as possveis


combinaes lgicas de eventos (1 at 19) tipo OR que causam uma possvel falha no
item avaliado. Nas figuras PF representa a probabilidade de falha do item em questo,
Dij representa o nvel de dependncia entre um item e seu antecedente, e, Ti-j o
transtorno ocasionado num item j devido a uma falha durante a execuo do item i

Figura III.37.- Evento que

Figura III.38.- Combinaes

Figura III.39- Combinaes

124

causa falha no item 1.

de eventos que causam falha

de eventos que causam falha

no item 2.

no item 3.

Figura III.41.- Combinaes

Figura III.42.- Combinaes

de eventos que causam falha de eventos que causam falha

de eventos que causam falha

Figura III.40.- Combinaes


no item 4.

no item 5.

no item 6.

Figura III.43.-

Figura III.44.- Combinaes de

Figura III.45.- Combinaes de

Combinaes de eventos

eventos que causam falha no

eventos que causam falha no

que causam falha no item

item 8.

item 9.

Figura III.46.-

Figura III.47.-Combinaes de

Figura III.48-Combinaes de

Combinaes de eventos

eventos que causam falha no

eventos que causam falha no

que causam falha no item

item 11.

item 12.

7.

10.

125

Figura III.49.- Combinaes de eventos

Figura III.50.- Combinaes de eventos

que causam falha no item 13.

que causam falha no item 14.

Figura III.51.- Combinaes de eventos

Figura III.52.- Combinaes de eventos

que causam falha no item 15.

que causam falha no item 16.

Figura III.53.- Combinaes de eventos que causam falha no item 17.

126

Figura III.54- Combinaes de eventos que causam falha no item 18.

127

Figura III.55.- Combinaes de eventos que causam falha no item 19.

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

Stima etapa: Clculo da probabilidade de falha fuzzy do inspetor.


A seqncia de tarefas que executa o inspetor durante o ensaio pode ser considerado
como um sistema de operaes em srie. Em termos de probabilidades de falha, para um
sistema em srie, temos vrios autores tais como KRISHN, SINGER, CHENG e
BOWLES [79, 80, 81,82] entre outros que usaram a seguinte expresso:
Psistema= [1 - (1 - P1) (1 - P2) (1 - Pn)]

(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)

Multiplicao de nmeros fuzzy triangulares:


(a1, b1, c1) (a2, b2, c2) = (a1 a2, b1 b2, c1 c2)

(III.14)

O modelo quantitativo da rvore de falha fuzzy vai ser:


P1= (1 - (1 - PF1))
P2= (1 - (1 - PF2)*(1 - D21))
P3= (1 - (1 - PF3)*(1 - D32))
P4= (1 - (1 - PF4)*(1 - D43))
P5= (1 - (1 - PT3-5)*(1 - PF5) * (1 - D54))
P6= (1 - (1 - PT3-6)*(1 - PF6) * (1 - D65))
P7= (1 - (1 - PF7) * (1 - D76))

128

P8= (1 - (1 - PT2-8)* (1 - PT4-8)* (1 - PF8) * (1 - D87))


P9= (1 - (1 - PT2-9)* (1 - PT4-9)* (1 - PF9) * (1 - D98))
P10= (1 - (1 - PF10)* (1 - D10-9))
P11= (1 - (1 - PF11)* (1 - D11-10))
P12= (1 - (1 - PT5-12) * (1 - PT11-12)*(1-PF12)*(1-D12-11))
P13= (1 - (1 - PT12-13) * (1-PF13)*(1-D13-12))
P14= (1 - (1 - PT1-14) * (1 - PT12-14)*(1 - PF14)*(1 - D14-13))
P15= (1 - (1 - PT1-15) * (1 - PT12-15)*(1 - PF15)*(1 - D15-14))
P16= (1 - (1 - PT1-16) * (1 - PT2-16) * (1 - PF16)*(1 - D16-15))
P17 = (1- (1 - PT1-17) * (1 - PT2-17) * (1 - PT3-17) * (1 - PT5-17) * (1 - PT12-17) * (1 PT15-17) * (1 - PF17) * (1 - D17-16))
P18= (1- (1 - PT2-18)* (1 - PT3-18) * (1 - PT4-18) * (1 - PT8-18) * (1 - PT9-18) * (1 - PT10-18)*
*(1 - PT13-18) * (1 - PT14-18) * (1 - PT15-18) * (1 - PT16-18)* (1 - PT17-18) * (1PF18)*(1-D18-17))
P19= (1 - (1 - PT3-19) * (1 - PT18-19) * (1 - PF19) * (1 - D19-18))
Psistema= (1 - (1-P1)*(1-P2)*(1-P3)* (1-P4)*(1-P5)*(1-P6)*(1-P7)*(1-P8)*(1-P9)* (1P10)*(1-P11)*(1-P12)*(1-P13)*(1-P14)*(1-P15)*(1-P16)* (1-P17)*(1-P18)*(1-P19)).
Sendo que 1 = (1;1;1)
Os eventos topos mais importantes so os que esto relacionados com a localizao das
descontinuidades

no

sentido

longitudinal,

transversal

na

profundidade

(detectabilidade) assim como com o dimensionamento das descontinuidades (eventos


13, 14, 15, 16 e 17).
Como resultado dos clculos obtivemos que,
P13 = (0,95;1;1).; P14 = (0,98;1;1); P15 = (0,995;1;1) ; P16 = (0,98;0,99;0,99) e,
P17 = (0,99;1;1)
Se conclui que as probabilidades de erro do inspetor durante a execuo do ensaio por
ultra-som usando o procedimento PR-011 (baseado nas normas ASME Sec. V, DIN
54120, DIN 54122 e BS-4331) so muito altas e que a incerteza dessa probabilidade

129

muito baixa pois o grfico singleton. As probabilidades de falhas destes eventos


aparecem representadas nas figuras III.57, III.58, III.59, III.60 e III.61.

Figura III.57- Probabilidade de falha do evento 13: Localizar as descontinuidades no


sentido longitudinal.

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.

reflexes da raiz de solda.

130

V.- CONCLUSES

Neste trabalho proposta a utilizao de uma metodologia fuzzy para a avaliao da


confiabilidade humana do inspetor de ensaios no destrutivos do tipo ultra-som.
Inicialmente, trata-se dos atributos de confiabilidade humana, os PSFs, enquadrando-os
em uma escala de termos lingsticos. A seguir, faz-se uma proposta para a agregao
desses atributos. Prope-se tambm, dentro desse modelo, avaliar a confiabilidade
humana a partir da criao de um padro de qualidade do ensaio.
Esse mtodo substitui as interpretaes probabilsticas da confiabilidade humana por
medidas de possibilidade. Essa abordagem permite tratar de forma matematicamente
slida medidas subjetivas, sujeitas a incertezas, obtidas a partir da opinio pessoal de
especialistas no tema. uma abordagem original e indita na rea de ensaios no
destrutivos. Assim, possvel construir a partir do conhecimento elicitado uma rvore
de falhas que pode ser analisada em busca de configuraes com menor possibilidade de
erro.
Durante o exaustivo trabalho de pesquisa bibliogrfica do tema, foram pesquisados
inmeros textos sobre lgica fuzzy aplicada confiabilidade de ensaios no destrutivos,
no sendo encontrado, nada parecido com o modelo aqui proposto.
As pesquisas mostram que os inspetores podem estar bem treinados para desempenhar
ensaios sistemticos, porm nossos resultados indicam que os processos mentais e
cognitivos em tarefas de END (elementos de viso, busca, percepo, classificao,
interpretao e tomada de deciso) vo influenciar de forma importante na
confiabilidade do ensaio. Por tal motivo prope-se, que as instituies usem estratgias
de treinamento dirigidas fundamentalmente ao uso adequado de procedimentos e ao
desenvolvimento do mecanismo cognitivo do inspetor atravs de testes psicolgicos
existentes para isto.
A proposta de que os treinamentos, as prticas e mesmo os exames de certificao
deveriam acontecer no campo para criar o ambiente mais adequado realidade (barulho,
calor, interao com processos, vibraes, etc) daria mais rigor ao processo de
certificao de inspetores.
131

Em virtude dos resultados obtidos durante o processo de recertificao de alguns


inspetores de nvel 2, descobrimos que os testes so geralmente mal feitos. Levantamos
dados que demonstram a existncia de indcios de que a confiabilidade mais baixa do
que a tratada pelos funcionrios que vendem seus servios apoiados num Sistema de
Qualidade baseado nas normas ISO 9000 onde os laboratrios , equipamentos e
inspetores esto certificados pelas normas vigentes.

Aceitando que o procedimento PR-011 o melhor existente quando descontadas as


falhas humanas cujos efeitos so impossveis de evitar, ento temos que criar
salvaguardas tais como repetir mais vezes o procedimento ou escolher diferentes
inspetores para refazer o teste.

Observaes prticas revelaram a baixa confiabilidade do inspetor durante o ensaio, mas


tambm foi matematicamente demonstrada a baixa confiabilidade da interao inspetor
- procedimento PR-011, devido a que as probabilidades de erro do inspetor durante a
execuo do ensaio por ultra-som usando este procedimento so muito altas e a
incerteza dessa probabilidade muito baixa.

132

VI.- RECOMENDAES PARA O TRABALHO FUTURO.

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.

1.- SANTIN, J. L., Ultra-Som. Tcnica e Aplicao.1ed. Rio de Janeiro, ed.


Qualitymark.. 1996.
2.- ISSO/IEC GUIA 25., General Requirements for the competence of calibration and
testing laboratories.1999.
3.- ASME., Boiler and Pressure Vessel Code Section XI, Appendix VIII,. 2001.
4.- National Transportation Safety Board., Report #N75B/AAR-98/01., 1998.
5.- National Transportation Safety Board., Report # NTSB/AAR-90/06. 1990.
6.- ISO 9712:1999, Nondestructive testing Qualification and certification of
personnel.1999
7.- DC-001., Procedimento para a Qualificao e Certificao de pessoal em ensaios
no destrutivos. Documento complementar No 1. SEQUI/QDOC. Cd. A 451, 1990.
8.- SANTOS,. V., et al,. Resultados de auditoria em Servios de END durante paradas
de manuteno e construes e montagem. COTEQ 6ta Conferncia sobre Tecnologia
de Equipamentos., 19-21 de Agosto, Bahia Othon Palace, Salvador, Brasil, 2002.
9.- SWAIN, A.D., GUTTMANN, H.E., Handbook of Human Reliability Analysis with
Emphasis on Nuclear Power Plant Applications , NUREG/CR-1278, USNRC, 1983.
10.- HOLLNAGEL, E., Cognitive Reliability and Error Analysis Method CREAM, 1
ed., Elsevier Science, Oxford, England. 1998
11.-RASSMUSSEN, J., Learning from experience? How? Some research issues in
industrial risk management, Ed. Octares/Enterprises, Marseille, 1990.
12.- HOLLNAGEL, E., Cognitive Reliability and Error Analysis Method, Elsevier
Science, Oxford, England, 1998.
13.- FUJITA, Y., Human Reliability Analysis: A Human Point of View, Reliability
Engineering and System Safety, Ed. Elsevier Applied Science, v.. 38, 1992.
14.- SWAIN, A. D.,Human Reliability Analysis: need, status, trends and limitations.
Reliability Engineering and System Safety, v. 29, n. 3, pp. 301-313.

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

ANEXO 1.- Questionrio de Identificao do Perfil de especialista (QIPE) para


especialistas de ultra-som.

Questo

Itens

Peso

Marque sua experincia

Especialista de nvel III

na rea de ultra-som.

Especialista de nvel II

0,9

Especialista de nvel I

0,7

Professor (universitrio) na rea de ultra-som.

0,8

Professor (tcnico)

0,5

Pesquisador

0,7

J participou de eventos Nenhum

ou congressos? De

Entre 1 e 2

0,3

Entre 3 e 7

0,75

Maior que 7 ______

quantos?

142

J elaborou quantos

Nenhum

tipos de procedimentos? Entre 1 e 2

0
0,5

Entre 3 e 7

0,75

Maior que 7 ______

J qualificou quantos

Nenhum

procedimentos?

Entre 1 e 2

0,5

Entre 3 e 7

0,9

Maior que 7 ______

Como voc classificaria

Excelente

seu entendimento sobre

Bom

0,9

Mdio

0,6

Baixo

0,3

Nenhum

Marque a opo que

Inspetor com doutorado ou livre docncia

melhor classifica seu

Inspetor com mestrado

0,9

Inspetor com especializao

0,8

Inspetor com 3er grau universitrio

0,7

Inspetor com 2do grau

0,6

Especialista no inspetor

0,5

Tem ministrado cursos?

Nenhum

Quantos?

Entre 1 e 2

0,5

Entre 3 e 7

0,9

Maior que 7 ______

o ensaio por ultra-som?

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?

ANEXO 2.- Questionrio para determinar o nvel de importncia de cada atributo de


confiabilidade.
Prezado inspetor:
O seguinte questionrio forma parte de uma pesquisa para determinar o nvel de
importncia de diversos atributos que formam parte da confiabilidade humana durante a
execuo de um ensaio no destrutivo por ultra som. A qualidade da pesquisa depende
do nvel de transparncia das opinies fornecidas pelos especialistas por isso peo para
que as opinies sejam transparentes. Ser usada a matemtica nebulosa como
ferramenta para agregar estados de opinies de vrios especialistas e conformar uma
matriz de hierarquizao de critrios de confiabilidade humana.

Segundo a opinio do especialista, os atributos sero definidos como crticos ou valor 3


(aqueles que tm grande influncia na confiabilidade humana), condicionantes ou valor
2 (aqueles que tm influncia na confiabilidade humana), pouco condicionantes ou
valor 1 (aqueles que tm pouca influncia na confiabilidade humana), e irrelevantes ou
valor 0 (aqueles que no tm nenhuma influncia na confiabilidade humana).

Fator

Importncia

1.- Fatores externos

Caractersticas da situao

1.1-Caractersticas arquitetnicas do local de ensaio.

144

1.2-Caractersticas ambientais no local de ensaio.


1.3- Temperatura no local.
1.4- Umidade no local.
1.5- Qualidade do ar no local
1.6- Iluminao no local
1.7- Rudo no local
1.8- Vibraes
1.9- Grau de limpeza em geral
1.10- Relao horrio de trabalho/ horrio de descanso
1.11- Disponibilidade e adequao do equipamento, ferramentas e
fornecimentos gerais
1.12- Organizao de plantes e o nmero de inspetores
1.13- Estrutura da instituio, autoridade, responsabilidades, e canais de
comunicao
1.14- Aes dos supervisores, companheiros de trabalho e outro pessoal
1.15- Recompensas, reconhecimentos, estmulos e salrio

Caractersticas da equipe e tarefas.

1.16- Requerimentos de movimentos, velocidade e preciso.


1.17- Relaes controle/display
1.18-Necessidade de interpretao que se requer durante o ensaio
1.19- Necessidade de tomada de decises.
1.20- Freqncia e repetetividade (monotonia) do ensaio.
1.21- Complexidade do ensaio
1.22- Necessidade de memria a curta ou longo prazo
1.23- Necessidade de efetuar clculos
1.24- Retroalimentao
1.25- Comunicao e estrutura da equipe de trabalho
1.26- Fatores da interfase homem mquina
1.27- Desenho do aparelho de ultra som
1.28- Ferramentas

Instrues de trabalho ou tarefa.

1.29- Uso dos procedimentos escritos


1.30- Comunicaes orais ou escritas

145

1.31- Mtodos de trabalho


1.32- Polticas da gerncia

2.- Fatores internos.

2.1- Nvel de experincia e preparao anterior


2.2- Prtica atual ou treinamento
2.3- Nvel de inteligncia
2.4- Estado de motivao ou atitude
2.5- Estado emocional
2.6- Influencia dos problemas familiares na atitude do inspetor
2.7- Identificao com o grupo de trabalho

3.- Causas de tenso.

Fatores psicolgicos.

3.1- Aparecimento de causas repentinas de tenso


3.2- Durao da tenso
3.3- Velocidade de trabalho
3.4- Carga de trabalho
3.5- Risco de trabalho
3.6- Ameaa de falhar ou de perder o trabalho
3.7- Monotonia do trabalho
3.8- Perodos longos de ensaios sem achar defeitos
3.9- Distraes devido a rudos ou outros

Fatores fisiolgicos.

3.10- Durao da tenso fisiolgica.


3.11- Fadiga
3.12- No comodidade e dor
3.13- Fome ou sede
3.14- Temperatura interna do inspetor
3.15- Radiaes no local do ensaio
3.16- Aceleraes extremas no local do ensaio
3.17- Constrio de movimentos durante o ensaio
3.18- Insuficincia de oxignio durante o ensaio
146

3.19- Presso atmosfrica extrema durante o ensaio


3.20- Falta de exerccio fsico
ANEXO 3.- Questionrio para determinar o comportamento dos atributos de
confiabilidade humana.

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.

Para responder o questionrio se deve colocar O no caso que seja timo o


comportamento atual do fator, B no caso que seja bom, R no caso que seja regular; RU
no caso que seja ruim e P no caso que seja pssimo. Qualquer pergunta do questionrio
est relacionada com os locais onde o inspetor faz a inspeo. Algumas, tais como.3.10
at 3.20..esto relacionadas com o prprio inspetor.

Fator

Comportamento

1.- Fatores externos

Caractersticas da situao

1.1-Como so as caractersticas arquitetnicas do local?


1.2-Como so as caractersticas ambientais do local?
1.3- De forma geral como a temperatura dos locais?
1.4- De forma geral como a umidade nos locais?
1.5- De forma geral como a qualidade do ar nos locais?
1.6- De forma geral como a iluminao nos locais?
1.7- De forma geral como o rudo nos locais?
1.8- Como so as vibraes nos locais?
1.9- Como o grau de limpeza em geral?

147

1.10- Como o comportamento da relao horrio de trabalho/


horrio de descanso?
1.11- Como a disponibilidade e adequao do equipamento,
ferramentas e fornecimentos gerais?
1.12- Qual o comportamento da organizao de plantes e o
nmero de inspetores?
1.13- Como se comportam a estrutura da instituio, a autoridade, as
responsabilidades, e os canais de comunicao?
1.14- Como so as aes dos supervisores, companheiros de trabalho
e outro pessoal?
1.15- Como se comportam as recompensas, os reconhecimentos, os
estmulos e o salrio?

Caractersticas da equipe e tarefas.

1.16- Toda inspeo requere de movimentos, velocidade e preciso.


Como o comportamento atual destas exigncias nos ensaios que
voc executa?
1.17- Como o nvel de confortabilidade do equipamento (relaes
controle/display)?
1.18-Para voc o nvel de necessidade de interpretao que se requer
durante o ensaio (seja ele alto, moderado ou baixo) timo, bom,
regular, ruim ou pssimo para a inspeo?
1.19- Para voc o nvel de necessidade de tomada de decises que se
requer durante o ensaio (seja ele alto, moderado ou baixo) timo,
bom, regular, ruim ou pssimo para a inspeo?
1.20- Que comportamento tem a freqncia e repetetividade
(monotonia) com que faz inspeo?
1.21- Para voc o nvel de complexidade dos ensaios que se requer
(seja ele alto, moderado ou baixo) timo, bom, regular, ruim ou
pssimo para a inspeo?
1.22- Para voc a necessidade de memria a curta ou longo prazo
que se requer durante o ensaio (seja ela alta, moderada ou baixa)
timo, bom, regular, ruim ou pssimo para a inspeo?

148

1.23- Para voc o nvel de necessidade de efetuar clculos que se


requer durante o ensaio (seja ele alto, moderado ou baixo) timo,
bom, regular, ruim ou pssimo para a inspeo?
1.24- Os resultados das inspees so usados como retroalimentao
para melhoras dos processos de ensaio? Qual o estado atual de
comportamento deste fator?
1.25- Qual o estado atual da comunicao e estrutura da equipe de
trabalho?
1.26- Qual o estado atual dos fatores da interfase homem
mquina (qualidade do equipamento)?
1.27- Como o desenho do aparelho de ultra som usado nos
ensaios?
1.28- Qual o estado atual das ferramentas que so usadas durante o
ensaio?

Instrues de trabalho ou tarefa.

1.29- O que voc acha do comportamento atual do fator uso dos


procedimentos escritos ?
1.30- O que voc acha do estado atual das comunicaes orais ou
escritas?
1.31- O que voc acha dos mtodos atuais de trabalho?
1.32- O que voc acha das polticas da gerncia?

2.- Fatores internos.

2.1- Como voc classifica seu nvel de experincia e preparao


anterior?
2.2- Como voc classifica sua prtica atual ou treinamento?
2.3- Como voc classifica seu nvel de inteligncia?
2.4- Qual o seu estado atual de motivao ou atitude?
2.5- Qual seu estado emocional atual?
2.6- O que voc acha do comportamento atual do fator Influencia
dos problemas familiares na sua atitude durante os ensaios ?
2.7- Como a sua identificao com o grupo de trabalho?

149

3.- Causas de tenso.

Fatores psicolgicos.

3.1- Durante os ensaios tem aparecido causas repentinas de tenso


que tenham provocado algum desequilbrio psicolgico? Com que
freqncia? (nenhuma, baixa, moderada, alta, muito alta).
3.2- De ter acontecido como tem sido a durao da tenso?.
3.3- A velocidade de trabalho tem uma influncia psicolgica no
inspetor e dessa forma influencia na qualidade do ensaio? Qual o
estado atual de comportamento deste fator?
3.4- Qual o estado atual de comportamento da carga de trabalho?
3.5- O que voc acha do risco de trabalho (muito alto, alto,
moderado, baixo ou nenhum)?
3.6- A ameaa de falhar ou de perder o trabalho cria uma situao
psicolgica que influencia na confiabilidade do ensaio. O que voc
acha do comportamento desse fator em dependncia de se a ameaa
muito alta, alta, moderada, baixa ou nenhuma?
3.7- A monotonia do trabalho cria um estado psicolgico no inspetor
que influencia na confiabilidade do ensaio. O que voc acha sobre o
comportamento do fator monotonia do trabalho?
3.8- Perodos longos de ensaios sem achar defeitos podem criar um
estado psicolgico no inspetor que influencia na confiabilidade do
ensaio. O que voc acha do comportamento atual do fator Perodos
longos de execuo de ensaios sem achar defeitos?
3.9- Durante o ensaio, as distraes devido a rudos ou outros podem
provocar um estado psicolgico no inspetor que influencia na
confiabilidade do ensaio. Como ocorrem estas distraes (muito
freqentes, freqentemente, moderadamente freqente, raramente ou
nenhuma freqncia)?

Fatores fisiolgicos.

3.10- Durante os ensaios pode acontecer um desequilbrio fisiolgico

150

no inspetor devido a diversas causas de tenso. Quanto tempo tem


durado esse desequilbrio fisiolgico? (nenhum, baixo, moderado,
alto, muito alto)?
3.11- Durante os ensaios pode acontecer uma fadiga que provoque
um desequilbrio fisiolgico no inspetor. Com que freqncia ocorre
essas fadigas? (muito alta, alta, moderada, baixa, nenhuma).
3.12- A no comodidade e a dor podem provocar alteraes das
funes fisiolgicas no inspetor. Com que freqncia tem executado
ensaios com pouca comodidade ou com dor? (muito alta, alta,
moderada, baixa, nenhuma).
3.13- A fome ou sede podem provocar alteraes das funes
fisiolgicas do inspetor. Com que freqncia tem executado ensaios
com fome ou sede? (muito alta, alta, moderada, baixa, nenhuma).
3.14- A temperatura interna do inspetor pode provocar alteraes das
funes fisiolgicas nele. Como tem sido o comportamento desse
fator durante os ensaios?
3.15- As radiaes no local do ensaio podem provocar alteraes das
funes fisiolgicas do inspetor. O que voc acha do comportamento
atual desse fator (radiaes nos locais) durante os ensaios?
3.16- Aceleraes extremas no local do ensaio podem provocar
alteraes nas funes fisiolgicas do inspetor. O que voc acha do
comportamento atual desse fator (aceleraes extremas nos locais)
durante os ensaios?
3.17- Constrio de movimentos durante o ensaio pode provocar
alteraes nas funes fisiolgicas do inspetor. O que voc acha do
comportamento atual desse fator (se voc tem tido constrio de
movimentos durante os ensaios, segundo a freqncia com que tenha
tido)?
3.18- Insuficincia de oxignio durante o ensaio pode provocar
alteraes nas funes fisiolgicas do inspetor. O que voc acha do
comportamento atual desse fator (se voc tem tido insuficincia de
oxignio durante os ensaios, segundo a freqncia com que tenha
tido)?.

151

3.19- Presso atmosfrica extrema durante o ensaio pode provocar


alteraes nas funes fisiolgicas do inspetor. O que voc acha do
comportamento atual desse fator (se voc tem executado ensaios sob
presso atmosfrica extrema, segundo a freqncia com que tenha
executado)?
3.20- Falta de exerccio fsico pode provocar alteraes nas funes
fisiolgicas do inspetor. O que voc acha do comportamento atual
desse fator (falta de exerccio fsico) em voc?

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.

Probabilidade de falha humana durante a execuo da tarefa

Nvel de dependncia entre a tarefa (i+1) e a tarefa (i)

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

Probabilidade de falha humana durante a execuo da tarefa


Itens

EspA

EspB

EspC

EspD

EspE

EspF

EspG

EspI

Nvel de dependncia entre a tarefa (i+1) e a tarefa (i)


EspJ

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

Probabilidade de falha humana durante a execuo da tarefa


Itens

EspA

EspB

EspC

EspD

9.7-

MB

QZ

Mod

10.-.

Zero

Mod

11.-

Zero

Mod

11.1

QZ

11.2-

EspE

Nvel de dependncia entre a tarefa (i+1) e a tarefa (i)

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.

Probabilidade de falha humana durante a execuo da tarefa


Itens

EspA

EspB

Nvel de dependncia entre a tarefa (i+1) e a tarefa (i)

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.

Probabilidade de falha humana durante a execuo da tarefa


Itens

EspA

EspB

17.1-

QZ

17.2-

EspC

Nvel de dependncia entre a tarefa (i+1) e a tarefa (i)

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.

Grau de transtorno provocado nos itens subseqentes


1 2 3 4 5 6 7 8

9 10 11 12 13 14 15 16 17 18 19

1.- Calibrao. Verificar a linearidade horizontal do aparelho. 1 0 0 0 0 0 0 0,8 0 0

2.- Calibrao. Verificar a linearidade vertical do aparelho.

0 1 0 0 0 0 0 0 0 0

3.- Solicitar informaes sobre a pea.

0 0 1 0 0 0 0 0 0 0

4.- Escolher o bloco de referncia em funo da espessura.

0 0 0 1 0 0 0 0 0 0

5.- Escolher o cabeote e o ngulo.

0 0 0 0 1 0 0 0 0 0

6.- Escolher a freqncia.

0 0 0 0 0 1 0 0 0 0

7.- Preparao da superfcie da pea.

0 0 0 0 0 0 1 0 0 0

8.- Determinar a sensibilidade correta para a varredura.

0 0 0 0 0 0 0 1 0 0

9.- Determinar as perdas por transferncia.

0 0 0 0 0 0 0 0 1 0

10.- Usar corretamente as tcnicas de varredura.

0 0 0 0 0 0 0 0 0 1

11.- Determinar corretamente a rea de varredura.

0 0 0 0 0 0 0 0 0 0

12.- Examinar corretamente a rea de varredura.

0 0 0 0 0 0 0 0 0 0

154

Procedimento de ultra-som
Ao, item ou tarefa.

Grau de transtorno provocado nos itens subseqentes


1 2 3 4 5 6 7 8

9 10 11 12 13 14 15 16 17 18 19

13.- Localizar as descontinuidades no sentido longitudinal.

0 0 0 0 0 0 0 0 0 0

14.- Localizar as descontinuidades no sentido transversal.

0 0 0 0 0 0 0 0 0 0

15.- Localizar as descontinuidades na profundidade.

0 0 0 0 0 0 0 0 0 0

16.- Dimensionar as descontinuidades.

0 0 0 0 0 0 0 0 0 0

17.- Avaliar as reflexes da raiz de solda.

0 0 0 0 0 0 0 0 0 0

18.- Emitir o laudo.

0 0 0 0 0 0 0 0 0 0

19.- Preencher o relatrio.

0 0 0 0 0 0 0 0 0 0

155

156

GLOSARIO SOBRE ENSAIOS NO DESTRUTIVOS TIPO ULTRA-SOM

FINALIDADE DO ENSAIO

A principal finalidade do ensaio por ultra som a deteco de descontinuidades


internas em materiais ferrosos e no ferrosos, metlicos e no metlicos, atravs da
introduo de um feixe snico com caractersticas compatveis com a estrutura do
material a ser ensaiado. Este feixe snico se for introduzido numa direo favorvel em
relao descontinuidade (interface), se for refletido por esta descontinuidade, ser
mostrado na tela do aparelho como um pico (eco). Algumas descontinuidades
superficiais tambm podem ser detectadas com este ensaio no destrutivo.

O que necessrio para o ensaio?

- Operador treinado e qualificado


- Norma tcnica, manuais e procedimentos
- Um aparelho
- Transdutores
- Acoplante
- Blocos de calibrao e de referncia
- Material a ser ensaiado

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".

As ondas sonoras propagam-se nos slidos, lquidos e gases.

Ondas Peridicas

As ondas so peridicas quando se repetem identicamente, em intervalos de tempo


iguais.
Ondas Sonoras

A parte da Fsica que estuda o som, denomina-se acstica; nela so descritos os


fenmenos relacionados com as oscilaes mecnicas (vibraes) que originam as
ondas sonoras ocorrentes, bem como a propagao dessas ondas nos slidos, lquidos e
gases.
As ondas sonoras so ondas peridicas; classificadas em audveis e inaudveis,
dependendo do nmero de perodos que ocorram na unidade de tempo (freqncia).
Som, Infra-som e Ultra-som

Quando as ondas sonoras tm freqncia entre 20 Hz e 20.000 Hz, so audveis =


SOM

Quando as ondas sonoras tm freqncias inferiores a 20 Hz so inaudveis = INFRASOM.

Quando as ondas sonoras tm freqncias superiores a 20.000 Hz so tambm


inaudveis = ULTRA-SOM.
Para aplicao nos ensaios de materiais por ultra-som, a faixa de freqncia geralmente
utilizada est entre 0,5 MHz e 20 MHz.
COMPRIMENTO DA ONDA ( ), que a distncia entre duas cristas ou dois vales

consecutivos ou duas zonas de compresso e diluio. = V/F.


Sempre depender da freqncia e da velocidade.
PERODO (T), que o menor intervalo de tempo de repetio do fenmeno

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

Interferncia o fenmeno de superposio de duas ou mais ondas.


Num mesmo meio, duas ou mais ondas propagando-se no mesmo sentido ou em
sentidos diferentes, quando se superpem provocam o fenmeno denominado
interferncia ondulatria. A interferncia de duas ou mais ondas poder resultar

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

com o perodo natural de vibraes do segundo, ou com o perodo de um dos seus


harmnicos, ou seja, quando a freqncia de vibrao induzida (externa) no corpo
coincide com sua freqncia natural.
Aplicando-se uma vibrao ultra-snica num corpo a ser ensaiado, dependendo das
caractersticas acsticas desse corpo, ele entrar em ressonncia na medida em que o
perodo da vibrao aplicada se aproxime do seu perodo natural de vibrao.
VELOCIDADE DE PROPAGAO

A velocidade uma caracterstica de cada material. Depender de muitos fatores,


como, tipo de material e liga, tratamento trmico, etc. Cada material apresenta um
comportamento em relao propagao de um feixe snico de tipos de ondas
diferentes. Existindo vrios tipos de ondas, teremos tambm alguns valores diferentes
de velocidade.
EFEITO PIEZELTRICO E EFEITO LIPPMANN
Efeito piezeltrico

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.

Experincias diversas mostraram que as cargas eltricas desenvolvidas na lmina de


cristal, so proporcionais s cargas mecnicas aplicadas.
Efeito lippmann

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

Como vimos, o dispositivo transforma uma energia em outra, isto , transforma


energia eltrica em energia mecnica. Todos os dispositivos que transformam uma
espcie de energia em outra so chamados transdutores. No ensaio por ultra-som, o
transdutor conhecido tambm como cabeote.
Podem-se produzir vibraes mecnicas desde alguns ciclos por segundo (Hertz) at
cerca de 25.000.000 de ciclos por segundo (25 MHz). A faixa de utilizao nos ensaios
por ultra-Som de 0,5 MHz a 15 MHz, podendo chegar a 20 MHz em transdutores de
aplicaes especiais.
ONDAS ULTRA-SNICAS
Propagao das ondas ultra-snicas

O ensaio de materiais por ultra-som feito mediante uso de ondas ultra-snicas.


Qualquer onda provoca oscilaes das partculas do meio em que se propaga. A
passagem da onda ultra-snica pelo meio de propagao faz com que as partculas que
compem esse meio executem um movimento de oscilao em torno da sua posio de
equilbrio, cuja amplitude ir diminuindo gradativamente em decorrncia da perda de
energia da onda.
Tipos de ondas ultra-snicas
Ondas longitudinais (ondas de compresso)

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)

A onda transversal quando as partculas do meio em que ela se propaga, vibram


perpendicularmente direo de propagao da onda nesse meio. Nesse caso, os
planos de partculas no meio de propagao mantm mesma distncia uns dos outros.
No se propagam nos lquidos e nos gases, pois nesses meios no existem ligaes
mecnicas.

clxi

Sua velocidade de propagao aproximadamente a metade da velocidade da onda


longitudinal.
O comprimento de onda ( ) a distncia entre dois vales ou dois picos.
Este tipo de onda utilizado no ensaio com transdutores angulares e de ondas
superficiais.

Ondas superficiais

So obtidas aps a refrao da onda longitudinal. utilizada em transdutores de ondas


superficiais.
Existem trs tipos de ondas superficiais, que so: ondas de Rayleigh, ondas de Love e
ondas de Lamb.
As ondas de Rayleigh so as mais utilizadas nos ensaios no destrutivos e as demais
so utilizadas em casos especficos.

INCIDNCIA DAS ONDAS ULTRA-SNICAS EM DIFERENTES MEIOS DE


PROPAGAO.

Quando um som ou um ultra-som propaga-se em um meio, poder ser refletido,


absorvido ou atenuado pela distncia. Uma caracterstica no alterada quando uma
onda mecnica se propaga, a freqncia.
Notamos no dia-a-dia, que o som retorna na forma de eco quando um barulho feito e
existe uma parede ou outra barreira qualquer que possa refleti-lo e traz-lo de volta aos
nossos ouvidos. No ensaio por ultra-som utilizamos um feixe de ondas ultrasnicas que
transmitido a um material e quando existir uma barreira dentro deste material
(descontinuidade), esperamos que as ondas retornem e sejam captadas, mostrando a
existncia desta descontinuidade. Quando o feixe snico sai do transdutor e incide em
um outro meio, encontra uma barreira, que chamada de INTERFACE. A
descontinuidade dentro do material, ser uma interface tambm. Chamaremos de
interface qualquer anteparo ou mudana de meio de propagao.
Quando posicionamos um transdutor de ondas longitudinais sobre uma pea, temos:
- Onda incidente: a que gerada pelo cristal, caminha dentro do transdutor (MEIO 1) e
incide sobre a superfcie do material (MEIO 2).
clxii

Entre os meios 1 e 2 sempre dever existir um acoplante, que um lquido, pasta ou


gel, que permitir a passagem da onda do meio 1 para o meio 2. O ar um pssimo
acoplante.
- Onda refletida: a onda que encontrou a interface MEIO 1-MEIO 2 e foi refletida,
no penetrando no material.
- Onda transmitida: a onda que passou pela interface.
A quantidade de energia que refletida ou transmitida depende da IMPEDNCIA
ACSTICA.
Quanto maior a diferena de impedncias entre os dois meios, maior ser a quantidade
de energia refletida.
REFLEXO E TRANSMISSO

INCIDNCIA OBLQUA DE ONDAS ULTRA-SNICAS (LEIS DE REFLEXO)


Um feixe de ondas longitudinais, incidindo obliquamente numa interface "meio 1 meio 2", ter uma parte refletida (OLR - onda longitudinal refletida), uma parte
transmitida (OLT - onda longitudinal transmitida) e uma parte refratada (OLR - onda
longitudinal refratada ou OTT - onda transversal transmitida). A refrao ocorre

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

Os transdutores so responsveis pela emisso das ondas ultra-snicas porque dentro


deles est localizado o cristal piezeltrico que vibrar quando estimulado por pulsos
eltricos vindos de um dispositivo controlador de pulsos, localizado no aparelho de
ultra-som. Os pulsos eltricos so levados aos transdutores pelos cabos coaxiais.
Transdutores so acessrios frgeis. Devem ser manuseados com cuidado, evitando as
quedas, pancadas e at mesmo batidas mais secas na superfcie da pea em ensaio.
So acessrios enquadrados como material de consumo pois, desgastam-se com
facilidade se manuseados sem os devidos cuidados. Quando utilizados de maneira
clxiii

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

interior das peas. So encontrados em vrios dimetros e freqncias. O cristal


circular.
Dentro desta categoria, encontramos os transdutores normais para ensaio por contato
direto e os transdutores normais blindados, que so aplicados no ensaio por imerso.
A faixa de dimetros de cristais mais utilizados, varia de 6,25 a 30,0 mm e nesta faixa
que as normas aeronuticas recomendam. Existem os transdutores em miniatura com
cristais de dimetros reduzidos, bem como os de dimetros bem maiores que 30,0.
So utilizados para detectar as descontinuidades cuja rea de maior reflexo est
paralela superfcie de contato.
So montados com um nico cristal, que atua como emissor e receptor.
Os transdutores normais para ensaio por imerso, so encontrados em vrios dimetros
e freqncias. O que os diferencia dos transdutores para contato direto, a blindagem
necessria para trabalharem submersos e algumas variaes na regio de sada do
feixe, j que no ter existir contato direto com a superfcie da pea.
Transdutores com duplo cristal (S/E ou T/R): so transdutores que trabalham com

ondas longitudinais no interior das peas. So encontrados em vrios dimetros e


freqncias. Os cristais numa pequena inclinao.
O S/E foi projetado para suprir as deficincias do transdutor normal. um transdutor
muito utilizado quando a varredura com um transdutor normal no possvel devido ao
campo prximo, comum aos transdutores de apenas um cristal.
* campo prximo uma regio de distrbios onde as indicaes no so confiveis.
Estes transdutores so montados com dois cristais que funcionam separadamente. Um
cristal o emissor e o outro cristal o receptor. como se existissem dois transdutores
completamente isolados, dispostos numa mesma carcaa maior.

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

interior das peas. So encontrados em vrios tamanhos de carcaa e cristais. O cristal


deste transdutor retangular.
Sua construo bastante similar aos outros, tendo em seu interior os mesmos
dispositivos. O que difere a forma do cristal e seu posicionamento pois, devem ser
inclinados num angulo pr estabelecido, para que quando o feixe encontrar a interface
_"transdutor - superfcie da pea" (MEIO 1 e- MEIO 2), seja refratado e forme com a
normal, o angulo indicado.
Os transdutores angulares so encontrados na faixa de ngulos de 30o a 80o. Os mais
utilizados so os de 45o , 60o e 70o.
Quando recm adquiridos, estes transdutores geralmente apresentam o angulo muito
prximo do indicado em sua carcaa mas com o desgaste da sapata de acrlico, o
angulo poder aumentar ou diminuir. Exige a constante calibrao do ponto de sada do
feixe snico e do angulo de incidncia.
Sua utilizao no to simples como o transdutor normal pois, o feixe caminha em
um angulo ento no existir um eco de fundo (eco de espessura). Enquanto no
houver uma interface para refletir o feixe snico, ele percorrer o interior do material
at ser totalmente atenuado.
Transdutores de ondas superficiais: so aqueles que trabalham com ondas

superficiais. So encontrados em vrios tamanhos de carcaa e cristais. O cristal


retangular.
So semelhantes aos transdutores angulares.

clxv

O cristal deste transdutor montado num angulo de inclinao em relao a normal,


que faz com que a onda transversal refratada, seja levada para a superfcie (2o angulo
crtico)
FREQNCIA

Para a deteco de descontinuidades, geralmente so usadas as freqncias entre 2,25 e


10 MHz.
Freqncias maiores que 10 MHz, permitem maior sensibilidade para a deteco de
pequenas descontinuidades mas apresenta baixo poder de penetrao.
Freqncias altas so afetadas pela prpria estrutura metalrgica do material, ou seja, a
granulao, compostos intermetlicos, precipitados ou qualquer outra caracterstica
proveniente do processo de fabricao.
Os sinais destes pequenos refletores podem interferir na deteco de pequenas
descontinuidades e so conhecidas como "rudo" ou "grama".
Se o tamanho da descontinuidade ou defeito a ser detectado deve ser a primeira
considerao a ser feita quando seleciona-se a freqncia de ensaio.
Se o objetivo detectar grandes descontinuidades, pode-se optar por freqncias mais
baixas, principalmente quando for requerida maior penetrao.
ACOPLANTE

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

Aps o trmino do ensaio, a pea dever ser totalmente limpa, eliminando-se os


resduos do acoplante.
No ensaio por imerso, a gua o acoplante. Portanto, quando forem ensaiadas peas
de material ferroso, deve adicionar gua, aditivos para evitar corroso da pea em
ensaio alm de anti-espumante e bactericida.
Caractersticas e variveis do feixe snico

O feixe snico no se apresenta uniformemente quando se propaga num meio. Ele


divergente e sua intensidade varia conforme a distncia do transdutor.

A velocidade de propagao e a freqncia no so alteradas com a distncia.

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

variao na intensidade do feixe snico, gerando grande turbulncia e distrbios.


Esta regio no confivel. No recomendvel considerar ou confiar nas indicaes
obtidas.
Para calcular o campo prximo dos transdutores utiliza-se a seguinte frmula:
N = D2 . F / 4 . VL

Onde:
N = campo prximo

clxvii

D = dimetro do cristal do transdutor


F = freqncia do transdutor
VL = velocidade longitudinal do material em ensaio
4 = constante
Para calcular o campo prximo dos transdutores angulares utiliza-se a seguinte
frmula:
N = D eq2 . F / 4 . VT

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

No campo prximo o feixe no apresenta divergncia, porm a partir do incio do


campo distante e a intensidade do feixe snico decresce com o aumento da distncia.
Alm da distncia, a divergncia um outro fator para levar em considerao durante o
clxviii

ensaio pois, dependendo da localizao do transdutor em relao descontinuidade, o


sinal correspondente a esta descontinuidade poder aparecer na tela com amplitude
diminuda.

quanto maior a freqncia, menor ser a divergncia;

quanto menor o dimetro do cristal, maior ser a divergncia.

Os transdutores de baixa freqncia possuem a detectabilidade menor que os de alta


freqncia, e ainda apresentam maior divergncia.
importante considerar e conhecer as caractersticas de divergncia dos transdutores
utilizados pois o feixe pode ser refletido por alguma rea da pea que esteja na mesma
profundidade de uma descontinuidade. A reflexo de paredes, cantos vivos ou outras
mudanas de geometria, podem interferir nas reflexes de descontinuidades mostradas
na tela do aparelho.
ATENUAO ACSTICA

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

refletores existentes no interior dos materiais (descontinuidades tais como tamanho de


gro, vazios, incluses etc.), fazendo com que a ondas percam um pouco de energia e
se propaguem em todas as direes.
Absoro: Uma parte da energia ultra-snica perdida por atrito, transformando-se em

calor. Esse "atrito interno" aumenta com a freqncia.


APARELHOS DE ULTRA-SOM

So encontrados no mercado, vrios tipos e modelos de aparelhos de ultra-som. Com o


desenvolvimento da eletrnica e informtica, temos aparelhos capazes de fornecer
excelentes resultados, com as facilidades de memria para arquivar os dados de
calibrao e resultados obtidos no ensaio. Podem ser acoplados impressoras ou
computadores, permitindo que os registros do ensaio sejam transferidos para os

clxix

relatrios, com um maior nmero de informaes, evitando falhas ou esquecimento do


operador.
Basicamente os aparelhos de ultra-som apresentam os mesmos controles e ajustes,
sendo diferenciados apenas no grau de modernizao, com recursos que agilizam o
ensaio.
Falaremos sobre os controles e ajustes principais.
Escolha do mtodo (impulso-eco ou duplo cristal/transdutor)

Permite selecionar se o ensaio ser feito com um nico transdutor ou se sero


utilizados dois transdutores ou se ser utilizado um transdutor de duplo cristal (S/E).
Ajuste de ganho (dB):

considerado o mais importante, juntamente com o controle de escala.


Existem dois controles de ganho. Um que permite aumentar ou diminuir o ganho em
posies de 10 em 10dB ou de 20 em 20 dB e um outro controle ou ajuste fino que
permite aumentar ou diminuir em 1dB ou 2 dB de cada vez.
Tem a funo de regular a recepo do sinal de uma reflexo. Compara-se ao controle
de volume de um rdio.
Quanto maior for o ganho, maior ser a altura do eco na tela do aparelho, que poder
ser aumentado ou diminudo, simplesmente aumentando ou diminuindo o ganho.
Determinar a amplitude de todas as reflexes na tela e permitir quantificar as
reflexes e diferenas entre as amplitudes dos sinais recebidos.
A unidade utilizada neste controle o decibel (dB). Sempre que for mencionado o
ganho, certamente existir uma quantidade de decibis.
Durante a calibrao do aparelho, utilizado um ganho de calibrao que dever ser
anotado sempre.
Existira tambm um outro valor de ganho, que ser o ganho operacional, que a soma
do ganho de calibrao, o ganho de norma, a correo de transferncia e o ganho do
operador.
Quando uma descontinuidade for detectada, ter a sua amplitude comparada
amplitude de uma reflexo padronizada, e esta reflexo ser avaliada conforme a
quantidade de dB acima ou abaixo da reflexo de referncia.

clxx

Ajuste de escala:

Este controle o que possibilita posicionar a reflexo de uma determinada espessura


ou percurso snico, na tela horizontal do aparelho, ou seja, a distncia percorrida pelo
feixe snico dentro do material.
Se o feixe snico estiver percorrendo uma espessura de 300 mm e a escala estiver
calibrada em 100 mm, no ser mostrado o eco desta espessura (eco de fundo), na tela
do aparelho.
Dependendo do aparelho, a escala pode chegar a 5 metros, porm o limite maior de
escala encontrada nos aparelhos portteis, no ultrapassa os 2 metros.
Existem dois controles ou ajustes de escala, um deles chamado de ajuste grosso, que
tem as posies de 25, 50, 100, 250, 500, 1500mm, indo at o limite mximo da escala.
O outro ajuste existente, o ajuste fino, permite que seja possvel estabelecer exatamente
a escala desejada, posicionando e eco de fundo ou o eco ou de qualquer outra reflexo,
em qualquer local na escala horizontal da tela, permitindo calibrar escalas por exemplo,
de 157,0 mm, 975 mm. Este ajuste permite aproximar ou afastar os ecos.
Permite ajustar o aparelho para que possa trabalhar com um ou mais ecos de fundo.
O eixo horizontal da tela geralmente apresenta uma graduao que vai de "0" zero a
"10" dez.
Quando temos por exemplo uma espessura de 273 mm e posicionamos na tela do
aparelho, o eco inicial em zero e o eco de fundo, que corresponde a espessura de 273
mm em 10, temos a uma escala de 273 mm.
Ajuste do ponto zero:

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

Ao ser alterada no aparelho a velocidade de propagao, nota-se claramente na tela que


o eco de reflexo, produzido por uma interface, muda de posio na tela, alterando
muito pouco a posio do eco inicial.
Com esse ajuste pode-se comparar velocidades de vrios materiais.
O aparelho de ultra-som ajustado para medir o tempo de propagao do som numa
determinada distncia.
Supressor de rudos:

Tem a funo de um filtro, elimina da tela do aparelho os ecos as pequenas reflexes


decorrentes de acoplamento e de estruturas internas de materiais de granulao
grosseira (grama).
Deve-se muita ateno na utilizao do supressor de rudos porque se houver pequenas
reflexes de descontinuidades muito pequenas, corre-se o risco de elimin-las da tela.
Blocos de calibrao

So blocos utilizados para que se possa verificar as caractersticas dos transdutores e


fazer a calibrao das escalas que sero utilizadas no ensaio.
Devem ser confeccionados ou adquiridos do mesmo material ou de um material
ultrasonicamente similar ao material a ser ensaiado. Deve ter suas dimenses
calibradas e podem ou no ter descontinuidades naturais ou artificiais. Dois blocos
muito utilizados nas calibraes de escala, caractersticas e angulo de incidncia so os
blocos conhecidos como bloco V1 e bloco V2.
Blocos de referncia

So os blocos especficos para se fazer a comparao entre as reflexes das


descontinuidades detectadas ou alguma outra caracterstica especfica da pea em
ensaio. Podem ser a referncia para descontinuidades, estrutura interna do material
(atenuao), espessura e etc..
O melhor bloco de referncia feito com uma pea igual a pea a ser ensaiada e se
possvel contendo as descontinuidades naturais.
Quando so para referncia e comparao de reflexo de descontinuidades, possuem
furos de fundo plano, com dimetros padronizados e variados. So utilizados para
traar as curvas de referncia.

clxxii

Ao se detectar uma descontinuidade, necessrio compar-la com alguma referncia


seno no se ter uma idia de seu tamanho aproximado. So necessrios porque todos
os resultados obtidos neste ensaio, devem ser comparados com uma referncia
calibrada.
Antes de iniciar o ensaio feita a verificao das condies dos transdutores,
calibrao da escala e em seguida traada a curva de referncia.
Os aparelhos devem ser verificados quanto a sua linearidade vertical e
linearidade horizontal.
Linearidade vertical

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

O aparelho deve ter linearidade horizontal dentro de mais ou menos 2% da escala de


distncia empregada. A verificao pode ser feita colocando-se no mnimo quatro ecos
na tela do aparelho provenientes de um bloco padro, e verificando-se o
posicionamento dos mesmos em relao faixa de tolerncia acima especificada. O
bloco V1 pode ser usado, utilizando-se uma escala de 100,0 mm e transdutor na
espessura de 25,0 mm. Deve-se conseguir a calibrao, posicionando os ecos em: eco
inicial "0" - 2,5 - 5 - 7,5 - e 10.
Verificao das caractersticas dos transdutores normais

Dependendo de sua freqncia, o transdutor apresenta algumas caractersticas, tais


como a divergncia, a detectabilidade e poder de resoluo.
Outras caractersticas podem ser verificadas num bloco de calibrao ou referncia.
Os transdutores de maior freqncia apresentam maior detectabilidade/sensibilidade
que os de freqncia menor.
Alguns fabricantes fornecem um sonograma, que a representao da caracterstica do
feixe snico de vrios transdutores em profundidades diferentes, indicando o tamanho
da mnima descontinuidade capaz de ser detectada.
Verificao das caractersticas dos transdutores angulares

clxxiii

Para os transdutores angulares, as caractersticas a serem verificadas so as mesmas


que nos normais porm, somam-se outras relacionadas ao ponto de sada do feixe e ao
angulo.
Com o desgaste da sapata, o ponto de sada do feixe snico ser alterado e este ponto
precisa ser determinado para que a preciso da localizao de uma descontinuidade no
seja prejudicada.
Verificao do ponto de sada do feixe snico:

Para a determinao do ponto de sada, posiciona-se o transdutor voltado para o raio de


100 mm do bloco V1, cultiva-se o eco at ser obtida a maior amplitude. Manter o
transdutor nesta posio e utilizar uma marca existente no bloco como referncia para
traar na carcaa do transdutor uma marca que coincida com a marca de referncia do
bloco.
Verificao do angulo do transdutor:

Com o desgaste da sapata e mudana do ponto de sada do feixe snico, ocorrer


tambm a alterao do angulo.
Saber o angulo do transdutor importantssimo porque para a calcular a localizao de
uma descontinuidade, ser necessrio saber o seno, cosseno e tangente deste angulo.
Para esta verificao utilizam-se o blocos V1 ou V2, procurando onde ele contm a
marcao do angulo correspondente ao angulo do transdutor, motivo desta verificao.
raro encontrar um transdutor angular que tenha exatamente o angulo indicado. Por
esse motivo deve-se fazer uma verificao logo no recebimento do transdutor e se o
angulo estiver com desvio de 2o , recomenda-se no aceitar o transdutor e exigir a
sua substituio.

Determinao da escala para e calibrao com transdutores normais

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

Determinao da escala para e calibrao com transdutores angulares

A calibrao com um transdutor angular no to simples como a calibrao com um


transdutor normal pelo fato do feixe snico no detectar uma espessura e sim uma
interface no percurso snico.
Os fabricantes de aeronaves adotam kits de calibrao especficos, geralmente
utilizando uma reproduo da pea a ser ensaiada.
Existem blocos que devem ser utilizados por todos aqueles que executam qualquer tipo
de ensaio. So os blocos V1 e V2.
Para a calibrao da escala para um transdutor angular, o bloco V2 excelente.
Curva de referncia

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

A aparelhagem deve permitir a operao em condies satisfatrias, nas seguintes


faixas de temperatura:
- Aparelhos: de 5 a 40o C
- Transdutores: de 5 a 85o C

clxxv

Temperaturas abaixo ou acima das faixas especificadas so permitidas somente se


comprovadas atravs de testes e tcnicas detalhadas, especificaes de manuais e
normas aplicveis.
Deve-se manter o aparelho, o transdutor, o bloco de calibrao e a pea em ensaio, na
mesma temperatura.
Cuidados devem ser tomados para que nenhuma fonte de calor ou refrigerao interfira
na calibrao ou ensaio.
Vibrao

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

A curva de referncia utilizada para pequenas descontinuidades. Para as grandes,


onde necessrio um mapeamento e uma demarcao ou uma descontinuidade linear,
onde necessrio medir a sua extenso, utiliza-se os mtodos 6 dB, 12 dB e 20 dB.

clxxvi