UNIVERSIDADE FEDERAL DE PERNAMBUCO

Transcrição

1 UNIVERSIDADE FEDERAL DE PERNAMBUCO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO MESTRADO PROFISSIONAL APLICAÇÃO DA METODOLOGIA FMEA (ANÁLISE DO MODO E EFEITOS DE FALHA) NO PROCESSO DE MONTAGEM DE AEROGERADORES VLADMIR REIS PONTES RECIFE, Dezembro/2013

2 UNIVERSIDADE FEDERAL DE PERNAMBUCO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO MESTRADO PROFISSIONAL APLICAÇÃO DA METODOLOGIA FMEA (ANÁLISE DO MODO E EFEITOS DE FALHA) NO PROCESSO DE MONTAGEM DE AEROGERADORES DISSERTAÇÃO SUBMETIDA À UFPE PARA OBTENÇÃO DE GRAU DE MESTRE POR VLADMIR REIS PONTES Orientador: Prof. Cristiano Alexandre Virginio Cavalcante, Dsc RECIFE, Dezembro/2013 ii

3

4 iii

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

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

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

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

9 SUMÁRIO 1 INTRODUÇÃO JUSTIFICATIVA E PROBLEMÁTICA OBJETIVOS Objetivo geral Objetivos específicos METODOLOGIA ORGANIZAÇÃO DO TRABALHO FUNDAMENTAÇÃO TEÓRICA DIAGRAMA DE PARETO FMEA Conceito Histórico Tipos de FMEA FMEA de processo O Formulário FMEA Etapas para desenvolvimento do FMEA ESTATÍSTICA Coleta e análise de dados Estatística Descritiva Distribuição Normal Hipóteses Estatísticas Distribuição t Teste de Wilcoxon Gráfico Box-plot TESTE DE RESISTÊNCIA DE ISOLAMENTO Objetivo e conceito do teste Medição e interpretação do teste TESTE DE CAPACITÂNCIA Objetivo e conceito do teste viii

10 2.5.2 Medição e interpretação do teste REVISÃO BIBLIOGRÁFICA CONSIDERAÇÕES GERAIS MÉTODOS PARA PRIORIZAÇÃO DOS MODOS DE FALHA CONCLUSÃO ESTUDO DE CASO INTRODUÇÃO FLUXOGRAMA APLICADO DESCRIÇÃO Sistema Divisão do sistema CENÁRIO ANTES DO FMEA ANÁLISE DOS DADOS TRATATIVAS DOS DADOS E DEFINIÇÃO DO ESPAÇO AMOSTRAL Desenvolvimento Resistência de Isolamento Capacitância Horas trabalhadas Apresentação dos resultados APLICAÇÃO DO FMEA NO PROCESSO DE MONTAGEM DO ESTATOR Introdução Elaboração do FMEA Formulário FMEA Revisão técnica do processo Brainstorming Escalas de Severidade, Ocorrência e Detecção Preenchimento do formulário FMEA Priorização dos modos de falha Definição e execução do plano de ação Ações recomendadas Análise dos resultados CENÁRIO DEPOIS DA APLICAÇÃO DO FMEA Análise dos dados ix

11 4.7.2 Tratativa dos dados e definição do espaço amostral Desenvolvimento Resistência de Isolamento Capacitância Horas trabalhadas Apresentação dos resultados ANÁLISES DOS RESULTADOS Comparativo da resistência de isolamento S1 (Sistema 1) antes e depois do FMEA Comparativo da resistência de isolamento S2 (Sistema 2) antes e depois do FMEA Comparativo da capacitância S1 (Sistema 1) antes e depois do FMEA Comparativo da capacitância S2 (Sistema 2) antes e depois do FMEA Comparativo das horas trabalhadas antes e depois do FMEA CONCLUSÕES REFERÊNCIAS BIBLIOGRÁFICAS APÊNDICE x

12 LISTA DE FIGURAS Figura Exemplo de um diagrama de Pareto...8 Figura Exemplo de uma curva de distribuição normal...24 Figura Exemplo de gráfico de probabilidade...25 Figura Exemplo de gráfico box-plot...30 Figura Circuito equivalente das quatro correntes monitoradas durante o teste de resistência de isolamento...32 Figura Tipos de correntes para um sistema de isolamento em asfalto-mica...34 Figura Tipos de correntes para um sistema de isolamento em epóxi-mica...34 Figura Seção transversal de uma bobina...39 Figura Fluxograma das atividades...56 Figura Exemplo do aerogerador...57 Figura Divisão do aerogerador...58 Figura Subsistemas do aerogerador...59 Figura Quantidade de ocorrência por subsistema do aerogerador...63 Figura Quantidade de ocorrência por subsistema do gerador...64 Figura Quantidade de ocorrência por subsistema do gerador...65 Figura Região da ocorrência no estator...65 Figura Etapas de montagem do estator...66 Figura Gráfico de normalidade RI-S1 antes do FMEA...68 Figura Gráfico de normalidade RI-S2 antes do FMEA...69 Figura Gráfico de normalidade C-S1 antes do FMEA...70 Figura Gráfico de normalidade C-S2 antes do FMEA...71 Figura Gráfico de normalidade horas trabalhadas antes do FMEA...72 Figura Etapas de elaboração do FMEA...74 Figura Gráfico de severidade x ocorrência antes das ações do FMEA...79 Figura Matriz de investigação...80 Figura Sobreposição da fita...81 Figura Medição entre anéis...82 Figura Distância entre ligações...83 xi

13 Figura Feltro entre ligações...83 Figura Terminal de ligação dos cabos de força...84 Figura Gráfico de severidade x ocorrência depois das ações...86 Figura Gráfico de normalidade RI-S1 depois do FMEA...90 Figura Gráfico de normalidade RI-S2 depois do FMEA...91 Figura Gráfico de normalidade C-S1 depois do FMEA...92 Figura Gráfico de normalidade C-S2 depois do FMEA...93 Figura Gráfico de normalidade horas trabalhadas depois do FMEA...94 Figura Teste t RI-S1 antes e depois do FMEA...95 Figura Teste de Wilcoxon RI-S1 antes e depois do FMEA Figura Box-plot referente à R1-S1 antes e depois do FMEA. Linha azul (verde) linha da média (linha da mediana)...97 Figura Teste t RI-S2 antes e depois do FMEA...98 Figura Teste de Wilcoxon RI-S2 antes e depois do FMEA Figura Box-plot referente à R1-S2 antes e depois do FMEA. Linha azul (verde) linha da média (linha da mediana)...99 Figura Teste t C-S1 antes e depois do FMEA Figura Teste de Wilcoxon C-S1 antes e depois do FMEA Figura Box-plot referente à C-S1 antes e depois do FMEA. Linha azul (verde) linha da média (linha da mediana) Figura Teste t C-S2 antes e depois do FMEA Figura Teste de Wilcoxon C-S2 antes e depois do FMEA Figura Box-plot referente à C-S2 antes e depois do FMEA. Linha azul (verde) linha da média (linha da mediana) Figura Teste t horas trabalhadas antes e depois do FMEA Figura Teste de Wilcoxon horas trabalhadas antes e depois do FMEA Figura Box-plot referente às horas trabalhadas antes e depois do FMEA. Linha azul (verde) linha da média (linha da mediana) xii

14 LISTA DE TABELAS Tabela 2.1: Escala de severidade...15 Tabela 2.2: Escala de avaliação de ocorrência...16 Tabela 2.3: Escala de detecção...17 Tabela 2.4: Recomendação mínima dos valores de resistência de isolamento a 40 C (valores em MΩ)...37 Tabela 3.1: Métodos e técnicas...52 Tabela 4.1: Disposição dos dados...63 Tabela 4.2: Disposição dos dados...67 Tabela 4.3: Disposição dos dados antes do FMEA...72 Tabela 4.4: Escala de severidade...76 Tabela 4.5: Escala de ocorrência...77 Tabela 4.6: Escala de detecção...77 Tabela 4.7: Disposição dos dados...87 Tabela 4.8: Disposição dos dados...88 Tabela 4.9: Disposição dos dados...94 Tabela 4.10: Disposição dos dados xiii

15 Capítulo 1 Introdução 1 INTRODUÇÃO O setor eólico no Brasil encontra-se em fase de crescimento e a competição neste mercado torna-se grande devido aos concorrentes de vários países atuando no Brasil. Neste cenário, é crucial que os fabricantes de equipamentos eólicos introduzam esforços para atender os requisitos de qualidade e performance requeridos pelo mercado. Diante das expectativas do mercado, faz-se necessário que as empresas atendam aos requisitos de tempo, preço, custo e qualidade. Para obter estes requisitos, uma das formas utilizadas é através de um processo produtivo que seja capaz de possuir confiabilidade em suas operações de maneira que não agregue falhas ao produto final garantindo assim a qualidade desejada pelo cliente. Segundo Slack et al (1996), a credibilidade e a qualidade nas operações, para bens ou serviços, significa realizar as atividades corretas no tempo acordado para que os clientes recebam seus bens ou serviços de acordo com as especificações exigidas. As operações internas de uma empresa possuem efeito similar, onde os clientes internos julgam o desempenho entre os departamentos, verificando o nível de credibilidade e qualidade das micro operações do processo. Atuando desta forma, obtêm-se economia de tempo, menor custo e melhor estabilidade do processo devido o nível de confiança adquirida entre os setores por não introduzirem problemas ou falhas no processo produtivo. Existe uma probabilidade de quando se fabrica um produto ou presta-se um serviço, podem acontecer erros durante o processo. Estes erros são inevitáveis, mas aceitar que ocorram falhas não é. Também não implica que a produção não possa ou não deva minimizar estas falhas no processo produtivo, ainda que nem todas possuam a mesma criticidade e outras são acidentais, podendo não ser percebidas. As empresas, portanto, necessitam discriminar as diferentes falhas e tomar ação naquelas identificadas como críticas ou nas que possam comprometer o processo produtivo e a qualidade do produto final. Em alguns casos, uma das atividades criticas para a empresa é procurar entender porque ocorreu uma determinada falha. Esta é conhecida como análise de falhas. Existem diversas técnicas e abordagens diferentes utilizadas para descobrir a causa das mesmas. O tema deste estudo é a utilização da técnica FMEA (Failure Mode and Effects Analysis) aplicado ao processo de montagem do aerogerador. O equipamento em estudo é o aerogerador ou turbina eólica, composto por um gerador síncrono multipolo com tecnologia DDPM (Direct Drive Permanent Magnets), ou seja, 1

16 Capítulo 1 Introdução utilização de imãs permanentes com velocidade de rotação variável, potência nominal de 1.5MW, rotor de 77 metros de diâmetro equipado com três pás de 37,5 metros cada, do tipo de transmissão direta, instalado numa torre de aço com 85 metros de altura. Projetado para atuar com velocidade do vento entre 3 e 22 m/s, possuindo um conversor de freqüência que busca adequar a saída da energia gerada realizando um filtro antes de ser inserida na rede elétrica. O objetivo, com a aplicação do FMEA para o estudo de caso, foi de verificar as falhas potenciais associadas ao processo de montagem, que trouxeram resultados desfavoráveis para o funcionamento do aeorgerador, devido à gravidade e à freqüência com que ocorreram estas falhas, as quais apresentaram severidade e ocorrência altas. As mesmas foram tratadas especificamente, de forma especial, buscando a identificação de suas causas comuns. É importante destacar que falhas associadas com a montagem se dão de forma prematura e ações de manutenção preventiva geralmente não têm efeitos positivos sobre estas, haja vista que tais ações têm o objetivo de conter o processo de envelhecimento dos equipamentos. Sendo assim, estando este mal instalado, as falhas deverão ocorrer antes da fase de envelhecimento. Palady (1997) descreve o FMEA como uma das técnicas de baixo risco mais eficientes para prevenção de problemas e identificação das soluções mais eficazes referente a custo, a fim de prevenir estes problemas e que também pode ser utilizada para análise posterior à ocorrência da falha. Esta ferramenta apresenta uma abordagem estruturada para avaliação, condução e atualização do desenvolvimento de produto e processos em todas as áreas da empresa, podendo ser utilizada para associar e manter vários outros documentos da empresa. Caso ocorra qualquer modificação que afete a qualidade e confiabilidade do produto ou processo, deverá ser avaliada e documentada no FMEA. Torna-se mais eficaz quando aplicado por uma equipe multidisciplinar. Seu desenvolvimento e execução geram custos, entretanto, quando realizados de forma eficaz, trazem um retorno com relação à qualidade e confiabilidade seja ao produto ou processo. Existem dois tipos de FMEA, o de produto e de processo chamado respectivamente de DFMEA (Design Failure Mode and Effects Analysis) e PFMEA (Process Failure Mode and Effects Analysis); a diferença entre eles encontra-se nos objetivos. Neste trabalho o foco deverá ser o PFMEA ou FMEA de processo, onde seus objetivos podem ser identificados através de duas perguntas: i. Como um processo pode não fazer o que deveria fazer? ii. O que deve ser executado para prevenir essas falhas potenciais de processo? O trabalho tem como proposta analisar as possíveis causas de falhas do aerogerador através da aplicação do FMEA em seu processo de montagem, com o objetivo de reduzir ou eliminar 2

17 Capítulo 1 Introdução estas falhas através da implantação de melhorias no processo e desenvolver uma metodologia, contribuindo para que a empresa atinja seus objetivos e metas de produção e de geração de energia no parque eólico e satisfação dos seus clientes através de um produto confiável no mercado. 1.1 Justificativa e problemática A implantação de uma metodologia para analisar as causas das falhas referentes ao processo de montagem, que por conseqüência trazem a indisponibilidade do funcionamento do aerogerador no parque eólico, faz com que a utilização desta seja tratada pela organização como um diferencial competitivo que afeta diretamente os objetivos e resultados da empresa. Os aerogeradores apresentam falhas, às quais são decorrentes de curto-circuito, o que provoca a interrupção na geração de energia elétrica e conseqüentemente perda de receita para a empresa. Assim, busca-se manter e aumentar a competitividade da empresa através da avaliação e monitoramento eficaz das variáveis do processo de montagem referente às causas das falhas dos aerogeradores através da aplicação de uma metodologia que traga melhorias cada vez mais aos seus processos e produto, contribuindo para um aumento de sua participação no setor eólico. 1.2 Objetivos Objetivo geral Este trabalho tem como objetivo geral propor uma metodologia que busque evitar por meio da análise do modo e efeitos da falha (FMEA) e das ações de melhorias, ocorrências de falhas no processo de montagem do aerogerador, o que prejudica sua performance operacional nos parques eólicos. Desta maneira, busca-se avaliar a importância e aplicação da metodologia FMEA em um sistema através dos resultados obtidos. 3

18 Capítulo 1 Introdução Objetivos específicos Os objetivos específicos deste trabalho são: Verificar a aplicabilidade da metodologia FMEA através do método proposto para priorização dos modos de falhas; Analisar as possíveis causas de falhas do aerogerador através da aplicação do FMEA; Aplicar a metodologia FMEA proposta no processo de montagem do aerogerador, em especial em um subsistema (estudo de caso) e verificar os seus principais modos de falhas; Propor ações de melhorias para o processo de montagem que proporcione uma melhor performance dos aerogeradores nos parques eólicos. 1.3 Metodologia A metodologia aplicada neste trabalho consiste numa pesquisa bibliográfica referente aos conceitos e métodos utilizados, como o diagrama de Pareto, FMEA, estatística descritiva, distribuição normal, hipóteses estatísticas, teste T, teste de resistência de isolamento, teste de capacitância e gráfico box-plot, buscando fortalecer a base teórica, o que irá ajudar para o desenvolvimento do trabalho em questão. Para início do trabalho será realizado o levantamento da base de dados referente aos aerogeradores que falharam no parque eólico, o que provocaram seu retorno para a fábrica com o objetivo de serem melhorados. Esta base de dados adotada foi originada de um arquivo digital em forma de planilha que possuem os dados a serem analisados no estudo de caso. A base de dados em questão é composta, por exemplo, por valores de resistência de isolamento, capacitância, etc, mensurados no processo de montagem, e também das horas trabalhadas destes aerogeradores no parque eólico até o momento em que apresentaram as falhas. Posteriormente, será realizada a avaliação dos dados para aplicação dos mesmos no estudo de caso. A partir dos dados analisados, será realizada uma verificação buscando identificar qual subsistema do aerogerador apresenta maior incidência de falhas. Como ferramenta, para esta análise, o diagrama de Pareto servirá de apoio para a definição do subsistema que será o foco do trabalho. 4

19 Capítulo 1 Introdução Depois da definição do subsistema, será aplicado novamente o Pareto com o objetivo de verificar a região, à qual,ocorreu a falha no aerogerador. Através da região mapeada, será verificado em qual etapa do processo de montagem, pertence à mesma, qual passará a ser o foco principal da aplicação do FMEA de processo. Será criado um time multidisciplinar composto de integrantes das áreas de Engenharia, Qualidade, Produção e Manutenção, que prestarão apoio para aplicação do FMEA de processo na área de montagem do aerogerador para o desenvolvimento deste trabalho. Diante da base de dados já definida, será realizada uma análise dos valores medidos de resistência de isolamento e capacitância referente ao processo de montagem e também das horas trabalhadas dos aerogeradores no parque eólico, antes da aplicação do FMEA, com o objetivo constatar que esta massa de dados obedece a uma distribuição normal. Com o subsistema e suas etapas de montagem definidos, será iniciada a aplicação do FMEA a partir da criação do seu formulário, utilizando-o no decorrer do processo, onde constará o subsistema estudado, objetivo, determinação dos participantes do time, documentos afetados, data de início, data de fechamento, etc. Será realizada uma revisão técnica do processo de montagem do subsistema em questão, com o objetivo de equalizar o conhecimento dos integrantes do time. Desta forma, terá uma melhor e maior contribuição por parte de toda a equipe para o desenvolvimento do trabalho. Após a revisão técnica será aplicada junto ao time, a técnica brainstorming com o objetivo de levantar os possíveis modos de falha para o efeito da falha do subsistema referente às etapas do processo de montagem. Com a aplicação do brainstorming, realiza-se um filtro dos possíveis modos de falha, de maneira ordenada, e depois transferidos para o formulário FMEA. Posteriormente, serão definidas pelo time as escalas de severidade, ocorrência e detecção que irão servir de apoio para o seguimento do processo de aplicação do FMEA. A partir dos modos de falhas e escalas definidas, serão preenchidos os demais campos do formulário pelo time, avaliando os respectivos campos. A priorização dos modos de falha deverá ser realizada a partir do método escolhido, o qual, neste caso, chama-se método proativo, que considera a utilização do valor atribuído de severidade e ocorrência para determinar a prioridade de cada modo de falha. Mapeado os modos de falha que apresentaram alta criticidade através da utilização do gráfico de área, serão aplicadas ações corretivas com o objetivo de eliminar ou minimizar as falhas potenciais e seus riscos. 5

20 Capítulo 1 Introdução Após a implantação das ações corretivas definidas no FMEA do processo de montagem do subsistema do aerogerador, será realizada uma análise dos resultados obtidos através dos valores medidos de resistência de isolamento e capacitância no processo de montagem e também das horas trabalhadas no parque eólico, com o objetivo de constatar que esta massa de dados obedece a uma distribuição normal. Para fins de comprovação dos resultados obtidos, será realizada uma análise comparativa entre médias dos valores de resistência de isolamento e capacitância medidos no processo de montagem e também das horas trabalhadas do aerogerador no parque eólico, antes e depois da aplicação das melhorias definidas pela metodologia FMEA. Finalmente, será sugerida uma metodologia, o FMEA, que poderá ser aplicada em outros subsistemas do processo de montagem do aerogerador. 1.4 Organização do trabalho Este trabalho encontra-se estruturado em cinco capítulos. No capítulo 1 consta a introdução do trabalho onde é relatado o tema, a justificativa e problemática, objetivos e metodologia utilizada. No capítulo 2 trata-se da fundamentação teórica dos conceitos e metodologias utilizadas no trabalho como diagrama de Pareto, FMEA, estatística descritiva, distribuição normal, hipóteses estatísticas, distribuição t, teste de resistência de isolamento, teste de capacitância e gráfico de box-plot. No capítulo 3 consta a revisão bibliográfica referente à aplicação do FMEA em outros trabalhos. No capítulo 4 encontra-se descrito o estudo de caso, referente à utilização da metodologia FMEA em um processo de montagem do aerogerador. Finalmente, no capítulo 5 encontram-se as conclusões e sugestões para trabalhos futuros. 6

21 Capítulo 2 Fundamentação Teórica 2 FUNDAMENTAÇÃO TEÓRICA Este capítulo apresenta alguns conceitos referentes às ferramentas e demais assuntos utilizados como base teórica para desenvolvimento do trabalho, através da visão de diversos autores, como diagrama de Pareto, FMEA, estatística descritiva, distribuição normal, hipóteses estatísticas, distribuição t, teste de resistência de isolamento, teste de capacitância e gráfico de box-plot. 2.1 Diagrama de Pareto De acordo com Ramos, Almeida & Araújo (2013), o nome diagrama ou gráfico de Pareto, tem esta denominação em homenagem ao economista italiano Vilfredo Pareto, que em 1987, demonstrou sua utilização através de uma distribuição de renda, que poucas pessoas possuíam a maior parte da renda enquanto muitas pessoas tinham a menor parte desta. Por definição, trata-se de um método gráfico que apresenta os dados por ordem de ocorrência, importância ou prioridade. É uma forma de classificar os problemas envolvidos como pouco vitais e muito triviais, onde os pouco vitais são os problemas que causam um grande número de perdas ou defeitos e já os muito triviais são os problemas que afetam menos a qualidade do produto ou serviço. Desta forma, permite identificar com eficiência estes tipos de problemas identificando os de maior importância. Slack et al (1996), define o diagrama de Pareto como uma técnica de aplicação direta que busca classificar os itens de informação nos tipos de problemas ou causas de problemas por ordem de importância, podendo ser utilizado para destacar áreas onde investigações adicionais podem ser úteis. A análise de Pareto é baseada no fenômeno que ocorre com freqüência e de relativas poucas causas, buscando explicar a maioria dos defeitos. Segundo Pereira (2011), a construção do diagrama de Pareto, a partir dos dados coletados, permite realizar um comparativo entre problemas ou causas de problemas e sua respectiva ocorrência. Como exemplo, na área de manutenção a análise de comparação é realizada através dos Tipos de Falhas x Ocorrência. Pode ser também utilizado para evidenciar perdas, ou seja, itens defeituosos e os custos associados. 7

22 Capítulo 2 Fundamentação Teórica O diagrama de Pareto é aplicado para diversos tipos de análises, como avaliar as melhorias de um processo comparando o antes e o depois, avaliar os modos de falhas de um equipamento, estratificar processos, etc. Segue abaixo exemplo de um diagrama de Pareto (Figura 2.1). Neste trabalho, o diagrama de Pareto será utilizado para evidenciar quais subsistemas do aerogerador apresentaram maior quantidade de falhas. Figura 2.1: Exemplo de um diagrama de Pareto Fonte: FMEA Conceito O FMEA (Failure Mode and Effects Analysis) é um método sistemático com o objetivo de identificar e prevenir os problemas de produto e de processo antes que eles ocorram. Os FMEAs têm como foco a prevenção de defeitos, visando uma melhor segurança e aumentando a satisfação dos clientes. O ideal, é que o FMEA seja realizado na etapa de projeto do produto ou nas etapas de desenvolvimento do processo, embora a utilização de um FMEA em produtos ou processos já existentes também traz benefícios consideráveis (McDERMOTT, MIKULAK & BEUAREGARD, 2009). Palady (1997) cita que o FMEA é uma das técnicas de baixo risco mais eficientes na prevenção de problemas e identificação das soluções mais eficazes baseado nos custos. Dispõe de uma abordagem estruturada para avaliar, conduzir e atualizar o desenvolvimento de um produto ou processo em todas as áreas da organização. Funciona como um diário, ou seja, iniciase na concepção do projeto do produto, processo ou serviço, sendo mantido durante o ciclo de 8

23 Capítulo 2 Fundamentação Teórica vida do produto. Qualquer alteração durante este período, que afete a qualidade ou confiabilidade do produto, deve ser realizada com uma avaliação e posteriormente documentado no FMEA. Segundo Slack et al (1996), o objetivo de um FMEA é identificar os potenciais modos de falha de um produto ou processo através de um check-list baseado em três perguntas para cada possível modo de falha: Qual a conseqüência se a falha ocorrer? Qual a probabilidade da falha ocorrer? Como a falha pode ser detectada antes que aconteça? O FMEA trata de uma metodologia específica para avaliar um sistema, produto, processo ou serviço para identificar possíveis formas pelas quais as falhas (problemas, erros, riscos, etc.) podem ocorrer. Para cada falha potencial são estabelecidos valores para alguns parâmetros chamados de severidade, ocorrência e detecção. Para cada causa será avaliada a necessidade de se tomar ação, planejar ou ignorar. O objetivo é de minimizar o efeito da falha (STAMATIS, 1995). O manual de FMEA da QS 9000 menciona que o FMEA é uma atividade importante para qualquer organização e como seu desenvolvimento é realizado através de atividades multidisciplinares e que afeta um conjunto de etapas para realização do produto ou processo, sua implantação deve ser bem planejada de forma a garantir sua eficácia. O FMEA é parte integrante da gestão de risco e do suporte à melhoria contínua. Não deve ser adotada como um evento único, e sim de uso contínuo e de longo prazo, que complementa o desenvolvimento de produtos e processos, de forma que as falhas potenciais sejam avaliadas e que ações sejam adotadas com o objetivo de reduzir seus riscos (Instituto da Qualidade Automotiva - IQA, 2008). Segundo Palady (1997), os cinco elementos básicos para se obter eficácia em um FMEA são: 1. Selecionar o produto ou processo que possua o maior potencial de retorno de qualidade e confiabilidade para a empresa e seus clientes; 2. Responder as três perguntas: Como pode falhar? Porque falha? O que acontece se a falha ocorrer? 3. Desenvolver um esquema para identificar os modos de falha potenciais mais importantes, com o objetivo de melhorá-los; 9

24 Capítulo 2 Fundamentação Teórica 4. Priorizar os modos de falha potenciais que deverão ser tratados; 5. Por último, o acompanhamento. Como suporte para esta etapa, geralmente são utilizados métodos estatísticos antes de preencher as colunas do FMEA ou aprovar as recomendações para as ações corretivas e compromisso do time para a evolução do processo Histórico As primeiras aplicações do FMEA realizadas formalmente surgiram na indústria aeroespacial em meados de 1960 com foco direcionado à questão da segurança. Com o passar do tempo, tornou-se uma ferramenta chave para melhoria da segurança das indústrias de processos químicos. Até os dias atuais, o FMEA é utilizado com o objetivo de se obter melhorias no âmbito da segurança e demais áreas de uma organização. Enquanto os engenheiros analisavam as falhas potenciais de um produto ou processo, a metodologia FMEA padronizou a abordagem e o tipo e estabeleceu um método de linguagem que pode ser utilizado em diversas áreas internas da organização e também entre empresas. A indústria automobilística adaptou a metodologia FMEA para utilizá-la em seu sistema de qualidade como uma ferramenta no processo de melhoria contínua (McDERMOTT, MIKULAK & BEUAREGARD, 2009). No final do século XX, a indústria automobilística dos Estados Unidos da América, através da QS-9000, fundada em 1996, definiu alguns requisitos de fornecimento para seguimento dos fornecedores, e os esforços globais pela IATF (Internacional Automotive Task Force), para construir na QS-9000 e também em outros padrões internacionais de qualidade, o desenvolvimento da norma ISO/TS A revisão desta norma, realizada no ano de 2002, inclui a ISO 9001:2000, definindo os requisitos do sistema de qualidade para o setor automobilístico e para fornecedores de peças e serviços de maior relevância. A norma recomenda que estes fornecedores apliquem a metodologia FMEA em seus produtos e processos com o objetivo de evitar ou minimizar as falhas potenciais existentes (McDERMOTT, MIKULAK & BEUAREGARD, 2009). Atualmente o FMEA é uma exigência dos programas de qualidade da própria organização e de seus fornecedores. Como exemplo, são incluídos, na norma QS 9000 (Quality System), as indústrias automobilísticas Chrysler, Ford e General Motors e a Norma do Departamento de Defesa 1629A, que está atualmente em processo de revisão. O FMEA é considerado, para normas de qualidade, como uma diretriz. Em outros setores não atua como exigência, por 10

25 Capítulo 2 Fundamentação Teórica exemplo, no cgmp (current Good Manufacturing Practices) da empresa Food and Drug Administration e a série de normas de qualidade da International Organization for Standardization, norma série ISO 9000 (PALADY, 1997). A tendência é que o FMEA torne-se uma exigência global para as organizações e padrões de qualidade a um médio prazo Tipos de FMEA Conforme Palady (1997) surgiram dois tipos de FMEA, a partir da sua utilização nos anos 60, sendo eles: FMEA de produto também conhecido como DFMEA (Design Failure Modes and Effects Analysis); FMEA de processo, o PFMEA (Process Failure Modes and Effects Analysis). Com base nestes dois tipos, surgiram outras versões de FMEA, cada um com seus objetivos, mas compartilham elementos básicos comuns para alcançar os objetivos. Para cada tipo de FMEA, seja ele de produto ou processo, os objetivos são bem diferentes, podendo ser identificados através de duas perguntas, onde: No FMEA de produto as perguntas são: Como esse produto pode deixar de realizar suas funções? O que deve ser realizado para prevenir as falhas potenciais no produto? Já para o FMEA de processo, as perguntas são diferentes: Como esse processo pode deixar de realizar suas funções? O que deve ser feito para prevenir as falhas potenciais no processo? O FMEA de produto é utilizado para analisar o produto em sua fase de desenvolvimento do projeto, com o foco de verificar a causa dos modos de falha a fim de evitá-las antes da liberação do produto para fabricação. Desta forma, o projeto terá uma melhor qualidade e garantia em sua concepção e redução dos custos envolvidos devido à possível falha. Já o FMEA de processo é utilizado para analisar o processo de fabricação e montagem de um produto, tendo como foco, verificar a causa dos modos de falha a fim de eliminá-las ou minimizá-las no decorrer do processo. Com isso, terá uma melhoria da qualidade do processo em geral, redução dos custos envolvidos devido à falha, melhoria da manutenção e da produtividade (STAMATIS, 1995). 11

26 Capítulo 2 Fundamentação Teórica Os objetivos são diferentes, portanto devem ser tratados separadamente para cada tipo de FMEA. Desta forma busca-se o não comprometimento dos objetivos do produto que possam vir a causar danos aos objetivos de processo e vice-versa. O desenvolvimento e manutenção eficaz de um FMEA trazem consigo alguns benefícios, de acordo com Palady (1997): Economia relacionada aos custos e no tempo de desenvolvimento; Auxilia no desenvolvimento de sistemas eficazes de manutenção preventiva; Reduz eventos não previsíveis na fase de planejamento de um processo; Fornece respostas rápidas para solução dos problemas; Aumenta a satisfação do cliente; Utilizado como documento chave para acompanhamento do produto ou processo na organização; Identifica os requisitos de segurança; Reduz os custos desnecessários no processo; Evita a repetição dos mesmos erros; Detém o conhecimento do produto e processo na organização FMEA de processo Segundo McDermott, Mikulak & Beauregard (2009), o FMEA de processo busca verificar as causas dos modos de falhas potenciais inerente ao processo de fabricação de um produto, com foco de eliminar ou minimizar estas no decorrer do processo. Este tipo de FMEA apóia o desenvolvimento do processo de fabricação buscando reduzir os riscos associados às falhas potenciais através da: Identificação e avaliação das funções e requisitos do processo; Identificação e avaliação dos modos de falhas potenciais; Identificação e avaliação dos efeitos das falhas potenciais; Identificação das causas potenciais do processo de fabricação ou montagem; Identificação das variáveis do processo com foco em viabilizar os controles de processo, buscando desta forma a redução da ocorrência ou maior detecção das falhas; Definição de um sistema de prioridades para as ações e controles preventivos e/ou corretivos. 12

27 Capítulo 2 Fundamentação Teórica Considera-se que o produto, da forma como foi projetado, atenderá ao objetivo proposto, mas caso ocorram modos de falhas potenciais devido a uma fragilidade do produto, estes podem ser incluídos no FMEA de processo para posterior tratamento. O FMEA de processo não possui dependência de modificação do produto para superar as limitações do processo. Mas, considera as características do produto para o desenvolvimento do processo de fabricação ou montagem, de maneira a atender aos requisitos do produto e expectativas do cliente (IQA, 2008). O desenvolvimento de um FMEA de processo deve ser realizado e acompanhado por uma equipe multidisciplinar, ou seja, formada por representantes de todas as áreas envolvidas, onde geralmente possui como líder o engenheiro responsável pelo processo, ficando a cargo deste, realizar a participação de todos os envolvidos de forma direta e ativa. Deve funcionar com um catalisador, buscando estimular a interação de idéias entre as áreas afetadas, promovendo uma abordagem de equipe (IQA, 2008). É importante que a equipe do FMEA defina de forma clara e objetiva, perante a empresa, os limites referentes aos critérios e responsabilidades que serão adotados, tais como (McDERMOTT, MIKULAK & BEUAREGARD, 2009): Existe outra equipe responsável pelo FMEA? A equipe terá poder de veto para as recomendações e implantação das melhorias? Qual o orçamento para o FMEA? Quais outros recursos estarão disponíveis para a equipe? Qual o prazo para conclusão do FMEA? Como deverá ser a comunicação dos resultados obtidos pelo FMEA para o restante da empresa? Segundo Palady (1997), para um FMEA realizado em equipe, este terá melhor êxito na identificação e prevenção dos modos de falhas potenciais do que realizado individualmente. Os custos, quando realizado de forma individual, é bem menor, mas não garante o melhor retorno referente à qualidade e confiabilidade quando realizado em equipe. A equipe deve criar um formulário com o objetivo de formalizar em um documento todo o desenvolvimento do FMEA de processo, tornando-o um arquivo ativo dentro da empresa. Como mencionado, o FMEA de processo é um documento vivo e deve ser revisado sempre que o produto ou processo sofrer algum tipo de modificação, sendo posteriormente atualizado (IQA, 2008). 13

28 Capítulo 2 Fundamentação Teórica A utilização de maneira eficaz de um FMEA de processo traz consigo impactos positivos para o alcance dos resultados de uma organização (McDERMOTT, MIKULAK & BEUAREGARD, 2009) O Formulário FMEA O FMEA deve ser documentado através de uma planilha específica, de forma a capturar todas as informações importantes sobre o mesmo, servindo como uma excelente ferramenta de comunicação. A planilha pode ser criada de forma customizada pela organização, buscando atender suas necessidades (McDERMOTT, MIKULAK & BEUAREGARD, 2009). O objetivo do formulário é servir de guia para documentar as discussões e análises da equipe referente aos elementos do FMEA de Processo. Segue abaixo o descritivo dos elementos de um formulário de FMEA de processo proposto, onde seu cabeçalho deve identificar com clareza o foco do FMEA e as informações referentes ao processo de desenvolvimento e controle do documento. Seguem os elementos que devem conter no formulário (IQA, 2008): Número do FMEA Utilizado para identificar o formulário do FMEA, serve para controle dos documentos; Responsabilidade pelo processo Organização e departamentos responsáveis pelo processo; Ano Modelo / Programa Trata-se do ano, modelo e programa do produto que terá o foco do trabalho; Data chave Data limite inicial do FMEA de processo, não devendo exceder a data programada para início de produção; Data do FMEA Data original de conclusão do FMEA de processo e a última data de revisão; Equipe central Membros da equipe responsáveis pelo desenvolvimento do FMEA de processo; Elaborado por Informações de contato do líder do FEMA de processo e nome da empresa; Documentos afetados Documentos de apoio para o desenvolvimento do FMEA de processo; Etapa de processo Corresponde à etapa do processo que está sendo analisada; 14

29 Capítulo 2 Fundamentação Teórica Função de Processo Corresponde à função/objetivo da operação para cada etapa do processo que está sendo analisada; Requisitos Descreve os requisitos para cada função do processo buscando atender ao objetivo proposto e aos requisitos do cliente; Modo de falha potencial Trata-se da maneira pela qual o processo pode vir a falhar, não atendendo aos requisitos especificados do processo; Efeito potencial de falha Definido como os efeitos dos modos de falha e de certa forma percebidos pelo cliente; Severidade (S) Está associada à gravidade do efeito para um modo de falha que interfere no processo, caso ocorra. A definição das escalas de severidade e seus critérios devem ser definidos para cada organização dependendo da natureza do seu produto e processo, tomando por base outras tabelas (Tabela 2.1); Tabela 2.1: Escala de severidade Fonte: Palady (1997, p. 61) Descrição da Escala de Severidade Grau Efeito não percebido pelo cliente 1 Efeito bastante insignificante, percebido pelo cliente; entretanto, não faz com que o cliente procure o serviço. 2 Efeito insignificante, que perturba o cliente, mas não faz com que procure o serviço. 3 Efeito bastante insignificante, mas perturba o cliente, fazendo com que procure o serviço. Efeito menor, incoveniente para o cliente; entretanto, não faz com que o cliente procure o serviço. Efeito menor, incoveniente para o cliente; fazendo com que o cliente procure o serviço. Efeito moderado, que prejudica o desempenho do projeto, levando a uma falha grave ou a uma falha que pode impedir a execução das funções do projeto. Efeito significativo, resultando em falha grave; entretanto não coloca a segurança do cliente em risco e não resulta em custo significativo da falha. Efeito crítico que provoca a insatisfação do cliente, interrompe as funções do projeto, gera custo significativo da falha e impõe um leve risco de segurança (não ameaça a vida e nem provoca incapacidade permanente) ao cliente. Perigoso, ameaça a vida ou pode provocar incapacidade permanente ou outro custo siginificativo da falha que coloca em risco a continuidade operacional da organização

30 Capítulo 2 Fundamentação Teórica Classificação Utilizada para destacar os modos de falha que apresentaram prioridade alta e que requerem avaliação especial; Causas potenciais de modo de falha Trata-se da indicação de como a falha poderá ocorrer para cada modo de falha, indicando uma vulnerabilidade do processo; Ocorrência (O) Está associada à freqüência com que o modo de falha poderá vir a ocorrer. A definição das escalas de ocorrência e seus critérios devem ser definidos para cada organização, dependendo da natureza do seu produto e processo, tomando por base outras tabelas (Tabela 2.2); Tabela 2.2: Escala de avaliação de ocorrência Fonte: Palady (1997, p. 71) Escala de Avaliação de Ocorrência Grau Extremamente remoto, altamente improvável. 1 Remoto, improvável. 2 Pequena chance de ocorrência. 3 Pequeno número de ocorrências. 4 Espera-se um número ocasional de falhas. 5 Ocorrência moderada. 6 Ocorrência freqüente. 7 Ocorrência elevada. 8 Ocorrência muito elevada. 9 Ocorrência certa. 10 Controles atuais de processo Tipos de controles que podem evitar a ocorrência do modo de falha. Os controles podem ser de prevenção e detecção; Detecção (D) Trata-se da chance de se detectar o modo de falha antes que ele ocorra, através do melhor controle utilizado durante o processo. A definição das escalas de detecção e seus critérios devem ser definidos para cada organização, dependendo da natureza do seu produto e processo, tomando por base outras tabelas (Tabela 2.3); 16

31 Capítulo 2 Fundamentação Teórica Tabela 2.3: Escala de detecção Fonte: Palady (1997, p. 81) Escala de Detecção Grau É quase certo que será detectado. 1 Probabilidade muito alta de detecção. 2 Alta probabilidade de detecção. 3 Chance moderada de detecção. 4 Chance média de detecção. 5 Alguma probabilidade de detecção. 6 Baixa probabilidade de detecção. 7 Probabilidade muito baixa de detecção. 8 Probabilidade remota de detecção. 9 Detecção quase impossível. 10 Determinando prioridades de ação Definição da abordagem que será utilizada para determinar a prioridade dos modos de falhas; Avaliação de risco (NPR) Tipo de abordagem para determinar prioridade dos modos de falha através do valor do Número de Prioridade de Risco (NPR), calculado pelo produto dos fatores de severidade, ocorrência e detecção, sendo: NPR = Severidade (S) x Ocorrência (O) x Detecção (D). Ações recomendadas Ações com objetivo de reduzir os índices de severidade, ocorrência e detecção de cada modo de falha; Responsável pela ação Nome do grupo ou responsável pela ação; Data de conclusão pretendida Data para conclusão da ação; Resultado das ações Após a implantação das ações recomendadas, verifica o efeito dos resultados das ações através dos índices de severidade, ocorrência, detecção e do NPR; Ações executadas Descrição das ações implantadas no produto ou processo de fabricação ou montagem; Data de conclusão das ações Data real de conclusão das ações. 17

32 Capítulo 2 Fundamentação Teórica Etapas para desenvolvimento do FMEA O desenvolvimento de um FMEA de processo ou produto deve seguir as dez etapas abaixo (McDERMOTT, MIKULAK & BEUAREGARD, 2009): 1ª etapa: Analisar o processo ou produto A equipe do FMEA deve realizar uma revisão técnica do produto ou processo que terá o foco de atuação. Desta forma, irá garantir que todos os membros da equipe tenham um entendimento e conhecimento nivelado do produto ou processo em questão. É importante nesta etapa a participação de um especialista, pois através da sua experiência e conhecimento adquirido, irá ajudar no andamento das atividades e para o processo de tomada de decisão. Caso seja necessário realizar algum tipo de treinamento junto à equipe para ajudar no desenvolvimento do FMEA, este poderá ser conduzido por algum integrante da equipe ou o líder do FMEA. 2ª etapa: Realizar brainstorming para identificar os modos de falhas potenciais Logo após os membros da equipe terem a compreensão do produto ou processo, é iniciado o debate para o levantamento dos possíveis modos de falhas potenciais que podem afetar a qualidade do produto ou do processo de fabricação ou montagem. Utiliza-se a ferramenta brainstorming para ajudar no desenvolvimento desta etapa, através da organização das idéias levantadas pela equipe de forma a se obter os resultados esperados. Dependendo da complexidade do produto ou processo, é recomendado realizar várias sessões de brainstorming, cada uma com foco em elementos ou categorias diferentes. Desta forma, organizando as idéias por categoria, ficará mais fácil para a equipe trabalhar no agrupamento dos modos de falhas potenciais e posteriormente tomar a decisão de quais modos de falhas serão transcritos para o formulário do FMEA. 3ª etapa: Identificar os efeitos potenciais para cada modo de falha Com os modos de falhas preenchidos no formulário do FMEA, a equipe deve identificar o(s) efeito(s) potencial(is) da falha que pode ocorrer para cada modo de falha. Alguns modos de falha podem apresentar mais de um efeito potencial. A pergunta que deve ser feita para identificar este possível efeito é: Caso o modo de falha potencial ocorrer, qual o efeito causado? Agindo desta forma, irá ajudar a equipe no levantamento do(s) efeito(s) potencial(is) para preenchimento no formulário do FMEA. 18

33 Capítulo 2 Fundamentação Teórica 4ª etapa: Determinar a escala de severidade para cada efeito Nesta etapa deve-se determinar a escala de severidade para cada efeito potencial de falha; caso ocorra dois ou mais efeitos para um modo de falha, estes devem ser estimados separadamente. Para facilitar na estimativa da escala de severidade, deve-se realizar a seguinte pergunta: Qual a gravidade do efeito do modo de falha? Isto irá apoiar a equipe para o preenchimento da escala do(s) efeito(s) no formulário do FMEA. Em alguns casos, a severidade é estimada baseada na experiência dos membros da equipe. 5ª etapa: Determinar a escala de ocorrência de cada modo de falha Um dos métodos para determinar a escala de ocorrência para cada modo de falha é utilizando os dados reais do processo através de informações de capabilidade do processo. Caso não exista, a equipe deve estimar de forma subjetiva através da seguinte pergunta: Qual freqüência pode ocorrer o modo de falha? Desta forma, a equipe pode estimar melhor a escala que será adotada para cada modo de falha e preencher o formulário do FMEA. 6ª etapa: Determinar a escala de detecção para cada modo de falha e/ou efeito A escala de detecção visa estimar qual o grau de precisão para se detectar um modo de falha e/ou efeito potencial da falha antes que o mesmo ocorra. Para ajudar a definir as escalas, a equipe pode adotar a pergunta: Qual a chance de detectar o modo de falha e/ou efeito potencial que provoca este modo de falha? Uma maneira utilizada é verificar se existem controles atuais que possam detectar um modo de falha e/ou efeito. Caso não haja controles, a probabilidade de se detectar será baixa, onde o modo de falha em questão receberá uma classificação elevada. Segundo Palady (1997), a melhoria nos índices de detecção deve ser tratada, mas não como prioridade. Inicialmente, deve-se tentar reduzir os índices de severidade e ocorrência, pois a oportunidade de retorno com relação aos requisitos de qualidade e confiabilidade para o cliente e também para a organização, encontra-se nestes dois primeiros índices. 7ª etapa: Calcular o número de prioridade de risco (NPR) para cada efeito O número de prioridade de risco (NPR) é obtido através do produto dos índices de severidade, ocorrência e detecção, onde: NPR = Severidade x Ocorrência x Detecção. Dependendo do tipo de abordagem adotada pela organização, o NPR pode servir de parâmetro para verificar quais modos de falhas devem ser tratados. 19

34 Capítulo 2 Fundamentação Teórica Segundo Palady (1997), adotando-se o NPR como fator decisivo para priorização dos modos de falhas, corre-se o risco da equipe do FMEA concentrar-se em esforços para melhoria de um modo de falha que possa ser menos crítico do que a qualidade, confiabilidade e a segurança de outros modos de falha com NPR menores. 8ª etapa: Priorizar os modos de falha para definir as ações Para priorizar os modos de falhas através da utilização do NPR específico para cada modo, faz-se necessário classificar em ordem decrescente os NPRs dos modos de falhas levantados no formulário do FMEA. Pode-se aplicar a regra 80/20 para a classificação destes NPRs sendo representados por um gráfico de Pareto. Logo após, a equipe deve definir um ponto de corte para o NPR, ou seja, estipular um número para o NPR, onde abaixo deste, não deverão ser tratados no plano de ação. Desta forma, irá ajudar a equipe a definir quais modos de falhas serão tratados. Segundo Palady (1997), outro método para priorizar os modos de falhas é através da utilização apenas dos índices de severidade e ocorrência, conhecida como abordagem proativa ou método proativo. Trata-se de uma abordagem gráfica que utiliza apenas os índices de severidade e ocorrência buscando interpretar e selecionar os modos de falhas de maior importância. Nesta abordagem, os índices de detecção não são utilizados como fator de decisão; entretanto, pode ser utilizado como oportunidade de melhoria no decorrer do processo. 9ª etapa: Executar o plano de ação buscando eliminar ou minimizar os modos de falha Após priorizar os modos de falhas, a equipe deve adotar um plano de ação para solucionar os problemas encontrados com o objetivo de eliminar ou reduzir os modos de falhas selecionados. A abordagem mais fácil de obter melhorias no produto ou processo é aumentando o nível de detecção do modo de falha, mas este tipo de prática geralmente não conduz à melhoria de qualidade e confiabilidade esperadas para o produto ou processo. O ideal é que a equipe atue na redução do índice de severidade, principalmente para casos que podem causar danos. A melhor oportunidade de melhoria está na redução do índice da ocorrência do modo de falha potencial, pois caso consiga atingir esta redução, é praticamente improvável que a falha ocorra, a não ser que seja necessário atuar também no índice de detecção. 20

35 Capítulo 2 Fundamentação Teórica 10ª etapa: Calcular o NPR resultante Posterior à implantação das ações para os modos de falhas selecionados a fim de obter melhorias no produto ou processo, é necessário realizar uma nova avaliação para os índices de severidade, ocorrência e detecção, para verificar se houve êxito através do NPR resultante. Estes podem ser representados através de um diagrama de Pareto comparando o antes e o depois. A diretriz de aceitar ou não se o NPR resultante é aceitável, ficará a cargo da empresa junto à equipe do FMEA. Este tipo de decisão depende de empresa para empresa, pois está associado, de qual e quanto é o risco que se pode correr. Conforme Palady (1997), após a identificação dos modos de falha prioritários através da método proativo baseados nos índices de severidade e ocorrência, estes devem ser tratados com a implantação das ações definidas. Posteriormente à execução das ações, deve ser atribuído novos valores aos índices de severidade e ocorrência para cada modo de falha, e representá-los de forma gráfica com o objetivo de verificar se houve melhorias significativas do produto ou processo. A diferença deste tipo de abordagem para com a utilização do NPR, é que no método proativo a detecção não é tratada como prioridade e sim como oportunidade de melhoria. Desta forma, busca-se uma melhor eficácia da aplicação do FMEA e obtenção dos melhores resultados. Neste trabalho, esta etapa é fundamental, pois a metodologia FMEA será aplicada ao processo de montagem do aerogerador através da abordagem proativa para priorização dos modos de falha, com o objetivo de verificar as falhas potenciais que trouxeram resultados desfavoráveis ao subsistema estudado, devido à gravidade e à freqüência com que ocorreram estas falhas e propor ações de melhorias buscando eliminá-las ou minimizá-las. 2.3 Estatística A estatística encontra-se interessada nos métodos científicos para a coleta, organização, síntese, apresentação e análise de dados, bem como na obtenção de conclusões verdadeiras e na tomada de decisões com base em tais análises (SPIEGEL, 1993) Coleta e análise de dados Juran e Gryna (1992), citam que todo processo deve possuir um planejamento cuidadoso para a coleta e análise de dados, buscando tirar conclusões estatísticas e transição para a resposta ao problema original. Para isso, devem-se seguir alguns passos-chave, ou seja: 21

36 Capítulo 2 Fundamentação Teórica Coletar informações anteriores suficientes para traduzir o problema em um problema específico, que possa ser avaliado por métodos estatísticos; Planejar a coleta de dados, determinar o tipo de dado necessário, se aplicável ao problema, calcular o tamanho da amostra, etc; Coletar os dados através da utilização de métodos seguros de forma a assegurar que a amostra foi selecionada aleatoriamente, registrar e examinar os dados para garantir que o processo mostre estabilidade suficiente para realizar previsões válidas para o futuro; Analisar os dados, selecionando-os e avaliando as hipóteses estabelecidas para determinar o tamanho da amostra, aplicar técnicas estatísticas e determinar se dados e análises adicionais são necessários; Verificar as conclusões da análise de dados para determinar se o problema foi devidamente avaliado; Apresentar os resultados estabelecendo as conclusões de forma significativa, enfatizando os resultados nos termos do problema e representando graficamente quando apropriado; Determinar se as conclusões do problema são aplicáveis ou úteis para outros problemas Estatística Descritiva A estatística descritiva tem por objetivo descrever as características importantes de uma população através de tabelas e gráficos (RAMOS, ALMEIDA & ARAÚJO, 2013) Média Segundo Spiegel (1993), a média de um conjunto de N números X1, X2, Xn pode ser representada por (lê-se X barra). Para um dado conjunto de dados, a média sempre existe, tem valor único e é sensível à presença de valores extremos, sendo definida pela equação (2.1): = (2.1) onde: n é o numero de observações da amostra. 22

37 Capítulo 2 Fundamentação Teórica Mediana Spiegel (1993) define que a mediana de uma amostra de números, organizados em ordem de grandeza, é o valor central ou o valor da média aritmética dos dois valores centrais. Geometricamente, a mediana é o valor de X correspondente à abscissa que divide o histograma em duas partes de áreas iguais. É utilizada para reduzir os efeitos dos valores extremos, para dados que possam ser ordenados ou para situações que requerem testes especiais (JURAN & GRYNA, 1992) Desvio Padrão Os dados sempre encontram-se dispersos ao redor da zona de tendência central (para este caso da média), e a extensão dessa dispersão é chamada de dispersão ou variação. A medida mais importante de variação é o desvio-padrão (JURAN & GRYNA, 1992). O desvio-padrão da amostra é dado pela equação (2.2): s = (2.2) onde: n = número de observações S = desvio-padrão amostral = somatória X = valores observados da amostra = média Neste trabalho é aplicada a estatística descritiva através das medidas de tendência central (média e mediana) e medidas de dispersão (desvio padrão) para desenvolvimento do estudo de caso Distribuição Normal Numa distribuição normal ou de Gauss, a curva normal é simétrica em relação à origem. Supondo que a área total sob a curva assuma o valor igual a 1, a variável X terá como probabilidade de ocorrência entre x 1 e x 2, um valor igual à área sob a região da curva entre esses 23

38 Capítulo 2 Fundamentação Teórica dois valores. Dados que sofrem influência por vários efeitos aleatórios pequenos e não relacionados possuem distribuição aproximadamente normal. Como exemplo, pode-se citar a estatura das pessoas por estarem relacionadas a fatores genéticos, ambientais, região geográfica e outras, que combinadas, produzem valores normalmente distribuídos (ANDRIOTTI, 2003). Segundo Spiegel (1993), a distribuição normal é definida pela equação (2.3): onde: μ = média da população σ = desvio padrão π = 3, e = 2, (2.3) Note que uma distribuição normal utiliza estimativa apenas da média e do desvio-padrão da população com o objetivo de se realizar previsões desta população. A curva para a distribuição de probabilidade normal está associada a uma distribuição de freqüência e seu histograma (JURAN & GRYNA, 1992). As áreas representativas sob a curva de distribuição normal podem ser verificadas conforme abaixo (Figura 2.2): Figura 2.2: Exemplo de uma curva de distribuição normal Fonte: 24

39 Probabilidade Normal Capítulo 2 Fundamentação Teórica Verifica-se que 68,3% da população ficarão entre a média da população ± 1 desvio-padrão da população, 95,5% da população ficarão entre a média ± 2σ e 99,7% da população ficarão entre a média e ± 3σ. É importante lembrar que, a porcentagem da amostra dentro de uma série de limites pode ser diferente da porcentagem da população dentro dos mesmos limites da população. Trata-se de um fato que deve ser levado em consideração no teste de hipótese. Existe outra forma para realizar previsões baseadas em uma distribuição normal através do papel de probabilidade. Estes são desenvolvidos com dados de um tipo de distribuição especial, sendo representados de forma gráfica como uma linha reta, ou seja, uma amostra de dados de uma população distribuída normalmente é representada graficamente, aproximadamente, como uma linha reta no papel de probabilidade normal. Para isto, é necessário calcular para cada valor a freqüência acumulada, sendo definida pela equação (2.4) (JURAN & GRYNA, 1992): (2.4) Um exemplo de gráfico de probabilidade pode ser verificado abaixo (Figura 2.3): Resíduos Figura 2.3: Exemplo de gráfico de probabilidade Fonte: 25

40 Capítulo 2 Fundamentação Teórica Neste trabalho, foi aplicado o teste de normalidade (Shapiro-Wilk) através do software Minitab 16, para verificar se os dados apresentam normalidade. Para se comprovar a normalidade foi adotado que o p-valor da amostra deve ser > 0,05 a um nível de confiança de 95%, sendo expresso através do gráfico de probabilidade Hipóteses Estatísticas Em diversas situações, convoca-se com certa freqüência para se tomar decisões acerca de populações com base nas informações das amostras; a estes tipos de decisões dá-se o nome de decisões estatísticas. Para alcançar estas decisões, são necessárias estabelecer hipóteses acerca das populações de interesse. Para estas suposições, que podem ou não ser verdadeiras, dá-se o nome de hipóteses estatísticas, sendo em sua grande maioria, afirmadas acerca das distribuições de probabilidade das populações. Para alguns casos, estabelece-se uma hipótese estatística com o objetivo de rejeitá-la. Como exemplo, é necessário decidir se um processo é melhor do que outro; com isso, estabelece a hipótese de que não existem diferenças entre eles. Esta hipótese é denominada de hipótese nula sendo representada por H 0. Já para qualquer hipótese que seja diferente de uma anteriormente fixada, denomina-se como hipótese alternativa representada por H 1 (SPIEGEL, 1993) Testes de hipóteses Os testes de hipóteses são processos que apóiam a decisão de se aceitar ou rejeitar as hipóteses, ou determinar se as amostras observadas possuem diferença, de forma significativa, dos resultados esperados (SPIEGEL, 1993). Admitindo-se uma hipótese como verdadeira, verifica-se sua validade para determinados níveis de confiança através do testes de hipótese. Quando utilizado este tipo de teste, podem ocorrer dois tipos de erros, denominados como tipo I e II. O erro tipo I ocorre quando se rejeita a hipótese nula, sendo ela verdadeira; assim denomina-se de nível de significância e anota-se por α. O erro tipo II ocorre quando se aceita a hipótese nula, sendo ela falsa; anota-se por β (ANDRIOTTI, 2003). H 0 verdadeira H 0 falsa Aceitar H 0 decisão correta erro do tipo II (β) Rejeitar H 0 erro do tipo I (α) decisão correta 26

41 Capítulo 2 Fundamentação Teórica Os erros são inversamente relacionados, ou seja, quando um aumenta o outro diminui. O do tipo I é geralmente estabelecido a priori pelo pesquisador, já o tipo II torna-se mais difícil conhecê-lo, pois solicita estimativa da distribuição da hipótese alternativa, o que normalmente não é conhecida. Caso H 0 for rejeitada, não se pode afirmar que H 0 é falsa, mas que existe evidências de que H 0 seja falsa; pode-se afirmar que para um α = 0,05, espera-se que a conclusão obtida esteja correta em 95% das vezes e caso o teste seja realizado novamente quantas vezes seja necessário, espera-se que a probabilidade de certeza seja de 95% (ANDRIOTTI, 2003): H 0» Hipótese nula: hipótese que deve obter evidências para rejeitá-la. H 0 : μ = μ 0 H 1» Hipótese alternativa: hipótese que deve obter evidências para aceitá-la. H 1 : μ μ Nível de significância O termo nível de significância está associado à probabilidade à qual se corre o risco de ocorrer um erro do tipo I ao se testar uma hipótese. Essa probabilidade é representada por α, sendo esta definida antes da extração de quaisquer amostras, de maneira que os resultados não influenciem a escolha (SPIEGEL, 1993). Triola (2005) cita que o nível de significância trata da probabilidade de que a estatística de teste ficará na região crítica quando a hipótese nula for verdadeira. Caso o teste caia na região crítica, rejeitar-se-á a hipótese nula, onde α será a probabilidade de se cometer o erro de rejeitar a hipótese nula quando ela é verdadeira. Geralmente utiliza-se um nível de significância de 0,05 ou 0,01, ficando a critério do pesquisador. Como exemplo, caso seja adotado um nível de significância de 0,05 (5%) para um teste de hipótese, a interpretação é que há então cerca de 5% de chance da hipótese ser rejeitada, quando deveria ser aceita; assim, existe uma confiança em torno de 95% de que a decisão tomada foi acertada (SPIEGEL, 1993). Para este trabalho, foram determinadas duas hipóteses, H 0 (nula) e H 1 (alternativa), a fim de se comparar os valores das médias referentes à resistência de isolamento, capacitância e horas trabalhadas antes e depois da aplicação do FMEA, onde: Hipótese H 0 : As médias das amostras antes e depois são iguais (μ1=μ2); Hipótese H 1 : As médias das amostras antes e depois não são iguais (μ1 μ2). 27

42 Capítulo 2 Fundamentação Teórica Também foi adotado o nível de significância de 5% para rejeitar a hipótese nula, a um nível de confiança de 95% Distribuição t O Teste t realizado em amostras independentes utiliza por base a diferença entre as médias amostrais, considerando os tamanhos das duas amostras e as suas variabilidades internas. Quanto maior forem as amostras, maior será a evidência de uma possível diferença entre elas, e caso houver uma alta variabilidade entre os elementos de cada amostra, uma possível diferença será verificada (ANDRIOTTI, 2003). Uma distribuição de t de Student para se tornar aplicável, é necessária que a distribuição da população original seja normal. Algumas propriedades deste tipo de distribuição são (ANDRIOTTI, 2003): A distribuição é diferente quando modifica o tamanho da amostra; Possui a mesma forma simétrica que a distribuição normal, mas esboça a maior variabilidade, sendo esperadas em pequenas amostras; O desvio-padrão da distribuição t sofre variação de acordo com o tamanho da amostra, enquanto na normal padronizada seu valor é um; Para amostras que possuem menos de 15 observações, é utilizada a distribuição t se os dados são aproximadamente normais; Para amostras que possuem mais de 15 observações, também pode ser utilizada a distribuição t, exceto se houver valores apresentando alta assimetria. Spiegel (1993) define a estatística da distribuição t através da equação (2.5): (2.5) onde: N = tamanho da amostra extraída de uma população normal μ = média da população s = desvio padrão = média amostral 28

43 Capítulo 2 Fundamentação Teórica Neste trabalho, foi aplicado o Teste t através do software Minitab 16, para verificar a hipótese de igualdade entre as médias dos grupos (hipótese H 0 ). A verificação será através do p- valor da amostra que deve ser > 0,05 a um nível de confiança de 95%. Gráficos do tipo box-plot ilustram os resultados Teste de Wilcoxon O Teste de Wilcoxon pode ser utilizado buscando testar se dois grupos independentes foram retirados de uma mesma população. Trata-se de um dos testes não-paramétricos de maior poder, onde pode ser considerado como uma alternativa útil para o teste paramétrico t quando se deseja evitar as suposições do teste t ou quando a mensuração da pesquisa é mais fraca do que a dada em escala intervalar (SIEGEL, 2006). Trata-se de um teste não-paramétrico que utiliza os postos de dados amostrais de duas populações independentes. Busca-se testar a hipótese nula de que duas amostras provêm de populações idênticas. Já a hipótese alternativa é a afirmativa de que as duas distribuições das populações são diferentes (TRIOLA, 2005). H 0» Hipótese nula: As duas amostras provêm de populações com a mesma distribuição. H 1» Hipótese alternativa: As duas amostras provêm de populações com distribuições diferentes. O teste de Wilcoxon pode ser aplicado a dados que podem ser analisados pelo teste paramétrico de maior poder, o teste t, onde seu poder de eficiência fica em torno de 3/π = 95,5% quando N aumenta fica próximo de 95% mesmo para amostras de moderado tamanho. Sendo assim, o teste de Wilcoxon é uma excelente alternativa para o teste t, mas não possui todas as suposições restritivas e exigências associadas com este teste (SIEGEL, 2006). Neste trabalho, foi aplicado o Teste de Wilcoxon através do software Minitab 16, para verificar a hipótese de igualdade entre as médias dos grupos (hipótese H0). A verificação será através do p-valor da amostra que deve ser > 0,05 a um nível de confiança de 95%. Gráficos do tipo box-plot ilustram os resultados. 29

44 Capítulo 2 Fundamentação Teórica Gráfico Box-plot O gráfico box-plot possui uma maneira diferente para ilustrar um conjunto de dados. Este nome deu-se devido ao fato de que a metade central de um conjunto de dados é representada pela região entre as partes superior e inferior de um retângulo (RYAN, 2009). Este tipo de gráfico proporciona uma representação gráfica através de cinco valores: a mediana, o primeiro quartil, o terceiro quartil, o menor e maior valor do conjunto de dados entre a extremidade inferior e superior internas. Auxilia na visualização do centro, da dispersão e da assimetria de um conjunto de dados e também na detecção dos valores extremos, conhecidos como outliers. Pode ser realizado um comparativo de diferentes distribuições realizando o boxplot para cada um delas (MANN, 2006). Um exemplo de gráfico box-plot pode ser verificado abaixo (Figura 2.4): Figura 2.4: Exemplo de gráfico box-plot Fonte: Elaborado pelo autor, As observações que se encontram fora das duas extremidades internas são denominadas de valores extremos ou outliers. Estes podem ser classificados em duas categorias, chamados de valores extremos moderados e valores muito extremos. A determinação para verificar em qual categoria pertence a observação dá-se da seguinte forma: se a observação estiver fora de uma das extremidades internas, mas esteja dentro das duas extremidades externas, esta é denominada de valor extremo moderado e caso uma observação encontrar-se fora de uma das extremidades externas, esta é denominada de valor muito extremo. Para um conjunto de dados simétricos, a 30

45 Capítulo 2 Fundamentação Teórica linha que representa a mediana se encontrará no centro do retângulo e a dispersão dos valores estará disposta no decorrer de quase todo o mesmo intervalo em ambos os lados do retângulo (MANN, 2006). Neste trabalho, foi utilizado o software Minitab 16, para obtenção dos gráficos box-plot, buscando ilustrar um comparativo dos valores das medianas de resistência de isolamento, capacitância e horas trabalhadas, antes e depois da aplicação da metodologia FMEA. 2.4 Teste de Resistência de isolamento A resistência de isolamento de uma máquina elétrica girante é função do tipo e da condição dos materiais isolantes utilizados em sua confecção, bem como a técnica de aplicação. Geralmente, a resistência de isolamento varia diretamente proporcional à espessura de isolamento e inversamente à área da superfície do condutor (Institute of Electrical and Electronics Engineers - IEEE 43, 2000). Segundo Stone et al (2004), o teste de resistência de isolamento é provavelmente o mais utilizado para diagnosticar os enrolamentos de motores e geradores elétricos. Pode ser aplicado em todas as máquinas elétricas e enrolamentos, exceto em motores de indução do tipo rotor gaiola de esquilo por não possuírem qualquer isolamento para testar. Este teste busca localizar problemas de poluição e contaminação nos enrolamentos da máquina. Em sistemas de isolamento envelhecidos, pode também detectar a deterioração térmica do isolante. O teste de resistência de isolamento tem sido utilizado por mais de 70 anos Objetivo e conceito do teste O objetivo do teste é mensurar a resistência de isolamento do isolante elétrico entre os condutores de cobre e o núcleo do estator ou rotor. O ideal é que esta resistência seja infinita, visto que, o objetivo é bloquear o fluxo de corrente entre o cobre e o núcleo. Na prática, a resistência de isolamento não é infinitamente alta. Normalmente, quando se obtém uma resistência de isolamento com um valor baixo, o mais provável é que exista um problema no isolamento. O cálculo da resistência de isolamento no tempo t (R t ) é o quociente entre a tensão contínua (V) aplicada entre o enrolamento e o núcleo do estator ou rotor e a corrente total (I t ). Logo, a resistência de isolamento no tempo t é dado através da equação (2.6) (STONE et al, 2004): 31

46 Capítulo 2 Fundamentação Teórica = (2.6) O cálculo é apenas a lei de Ohm, onde V é a tensão contínua aplicada pelo equipamento de teste e I T é a corrente total medida após t minutos. A referência ao tempo de medição da corrente é necessária uma vez que a corrente geralmente não é constante (STONE et al, 2004). A corrente resultante total (I T ) é a soma de pelo menos quatro correntes que podem fluir quando uma tensão contínua é aplicada ao enrolamento, sendo estas: corrente de fuga superficial (I L ), corrente capacitiva (I C ), corrente de condução (I G ) e a corrente de absorção (I A ). A Figura 2.5, apresenta o circuito equivalente para estas correntes num ensaio de resistência de isolamento e definição de cada corrente (IEEE 43, 2000). Figura 2.5: Circuito equivalente das quatro correntes monitoradas durante o teste de resistência de isolamento Fonte: Adaptado da IEEE 43 (2000, p. 5) Conforme a IEEE 43 (2000), as correntes são definidas conforme abaixo: A corrente de fuga superficial (I L ) é constante ao longo do tempo. A alta corrente de fuga na superfície provoca uma resistência de isolamento baixa; geralmente é causada devido à presença de umidade ou outro tipo de contaminante parcialmente condutivo (óleo, sujeira, produtos químicos, etc.) presente na máquina. A corrente capacitiva (I C ) surge quando uma tensão DC é aplicada a um capacitor; essa elevada corrente de carga do capacitor irá decair exponencialmente. Geralmente, essa corrente 32

47 Capítulo 2 Fundamentação Teórica dura aproximadamente 10 segundos, não afetando a primeira medição, que é realizada em 1 minuto. Já a corrente de condução (I G ) ocorre devido aos elétrons ou íons que migram através do isolamento, entre o cobre e o núcleo. Para sistemas de isolamento modernos em poliéster ou epóxi-mica, a corrente de condução é essencialmente zero, a não ser que o isolamento esteja saturado com umidade. Finalizando, a corrente de absorção (I A ) possui dois componentes. A primeira é devido à polarização dos materiais impregnados, pois as moléculas orgânicas, tais como epóxi, poliéster e asfalto, tendem a modificar a orientação na presença de um campo elétrico direto. A segunda componente é devido ao movimento gradual dos elétrons e íons através da maioria dos materiais orgânicos. Esses elétrons e íons movimentam-se até ficarem presos na superfície da mica, material comumente utilizado no sistema isolante de máquinas rotativas. A corrente de absorção pode ser calculada através da equação (2.7): IA n Kt (2.7) onde: I A é a corrente de absorção; K é uma função particular do sistema de isolamento e da tensão de ensaio aplicada; t é o tempo de aplicação da tensão de ensaio; n é uma função particular do sistema de isolamento. Conforme a IEEE 43 (2000), para sistemas de isolamentos fabricados a partir de 1970, sendo estes geralmente de poliéster ou epóxi, o valor do expoente n da absorção da corrente é diferente dos termoplásticos ou demais materiais. Comparar a variação da resistência de isolamento ou da corrente total com o tempo de aplicação da tensão de teste pode ser útil para avaliar quão limpo e seco está o enrolamento. Se o enrolamento está contaminado ou molhado, a corrente total será aproximadamente constante no tempo, já que a corrente superficial será muito maior que a corrente de absorção (Figura 2.6). 33

48 Capítulo 2 Fundamentação Teórica Figura 2.6: Tipos de correntes para um sistema de isolamento em asfalto-mica Fonte: Adaptado da IEEE 43 (2000, p. 6) Já se o enrolamento estiver seco e limpo, a corrente total irá decair com o tempo, uma vez que a corrente total será dominada pela corrente de absorção (Figura 2.7). Figura 2.7: Tipos de correntes para um sistema de isolamento em epóxi-mica Fonte: Adaptado da IEEE 43 (2000, p. 7) 34

49 Capítulo 2 Fundamentação Teórica Medição e interpretação do teste A medição da resistência de isolamento é realizada através da aplicação de uma tensão contínua, devendo esta respeitar o valor apropriado da tensão do enrolamento e a condição básica de isolamento. Trata-se de um fato importante quando aplicado a máquinas elétricas de pequeno porte e de baixa tensão ou enrolamento molhado. Caso a tensão aplicada na máquina seja elevada, esta poderá estressar o isolante, conduzindo a uma falha no isolamento. Os testes de resistência de isolamento são normalmente realizados com níveis de tensões contínuas de volts com polaridade negativa (IEEE 43, 2000). Uma variável importante que deve ser considerada na medição é a temperatura, pois afeta todas as componentes da corrente total, exceto a corrente capacitiva. O valor da resistência de isolamento depende da temperatura do enrolamento e do tempo decorrido com a aplicação da tensão. Buscando-se evitar o efeito da temperatura na análise de tendência, os testes posteriores devem ser realizados quando o valor da temperatura do enrolamento esteja próximo ao valor da temperatura do teste anterior. Quando este tipo de prática não for possível, recomenda-se que todos os valores dos testes sejam corrigidos a uma base de temperatura comum, sendo esta 40 C. Esta correção pode ser realizada utilizando a equação (2.8). Embora o valor corrigido seja uma aproximação, permite uma comparação mais significativa dos valores de resistência de isolamento encontrado a diferentes temperaturas (IEEE 43, 2000). R C = K T R T (2.8) onde: R C é a resistência de isolamento (em MΩ) corrigido para 40 C; K T é o coeficiente da temperatura da resistência de isolamento a uma temperatura T C; R T é o valor da resistência de isolamento (em MΩ) a uma temperatura T C. Se o efeito da temperatura no sistema de isolamento em teste é desconhecido, um valor aproximado para o valor de K T pode ser obtido através da equação (2.9): K T = (0,5) (40-T)/10 (2.9) onde: 35

50 Capítulo 2 Fundamentação Teórica T é a temperatura do enrolamento durante a realização do teste. A medição direta da resistência de isolamento pode ser realizada através dos seguintes instrumentos (IEEE 43, 2000): Megômetro de indicação direta com gerador de energia; Megômetro de indicação direta com bateria independente; Megômetro de indicação direta com retificador independente utilizando uma fonte de alimentação; Ponte de resistência com galvanômetro auto-suficiente e baterias. Os valores obtidos de resistência de isolamento servem de base para interpretação de como se encontra o sistema isolante da máquina elétrica. Caso tenha-se um histórico destes valores de resistência de isolamento, a fim de se comparar o resultado do teste atual com o dos testes anteriores, servirá de apoio para verificar como se encontram as condições do sistema isolante da máquina. É essencial que ao se comparar os valores destes testes, os mesmos estejam sob condições semelhantes de temperatura do enrolamento, valor da tensão aplicada, duração da tensão aplicada e umidade relativa. Para os testes realizados em diferentes temperaturas, é necessário que os resultados sejam corrigidos para a mesma temperatura conforme mencionado anteriormente (IEEE 43, 2000). De acordo com a norma IEEE 43 (2000), o valor da resistência de isolamento mínimo após 1 minuto, IR1 min, para o teste de sobretensão ou operação para máquinas de corrente alternada ou contínua para estator e rotor com enrolamento, pode ser determinado através da Tabela

51 Capítulo 2 Fundamentação Teórica Tabela 2.4: Recomendação mínima dos valores de resistência de isolamento a 40 C (valores em MΩ) Fonte: Adaptado da IEEE 43 (2000, p. 17) No trabalho em questão, o valor da resistência de isolamento será utilizado durante o estudo estatístico a ser desenvolvido no decorrer desse trabalho e servirá de base para validar as ações de melhorias recomendada pelo FMEA. 2.5 Teste de Capacitância O teste de capacitância é utilizado em diversos tipos de motores e geradores, sejam estes de pequeno ou grande porte, onde, através da medição da capacitância do enrolamento, pode-se identificar problemas de degradação térmica ou saturação do sistema isolante da máquina devido à umidade interna na massa do isolamento. A medição de capacitância também é realizada durante o processo de fabricação para determinar quando a resina encontra-se impregnada a uma bobina, barra ou estator por VPI (Vacuum Pressure Impregnation) e quando a resina encontra-se curada (STONE et al, 2004). A capacitância pode ser mensurada a partir da aplicação de uma alta tensão contínua entre os terminais e o núcleo do equipamento em teste, tendo como unidade de medida o Farad (F). A capacitância pode ser determinada conforme a equação (2.10) (IEEE 43, 2000). 37

52 Capítulo 2 Fundamentação Teórica A C (2.10) d onde: C é a capacitância; ε é a permissividade dielétrica do material; A é a área da secção transversal; d é a espessura do material Objetivo e conceito do teste Alguns processos de deterioração envolvem alterações no enrolamento das máquinas que alteram a natureza do isolamento. Por exemplo, se o enrolamento de um estator se deteriora devido a um longo período de sobreaquecimento, alguns dos materiais isolantes do tipo epóxi ou poliéster vaporizam um gás que provoca um cheiro de isolamento queimado. Com isso, irá surgir um pouco de gás, geralmente o ar, no isolamento entre bobina e núcleo (groundwall insulation) (Figura 2.8). A constante dielétrica do ar é inferior à constante dielétrica de todos os materiais de isolamento sólidos. A constante dielétrica do gás é 1, enquanto que a constante dielétrica do material isolante epóxi-mica é em torno de 4. Como a porcentagem de gás aumenta dentro do isolamento devido à degradação térmica, a constante dielétrica média irá diminuir. Caso a bobina de uma ranhura for aproximada de um capacitor de placas paralelas, então, a partir da equação (2.10) indicada na seção 2.5, a capacitância irá diminuir, visto que a constante dielétrica diminuiu (STONE et al, 2004). 38

53 Capítulo 2 Fundamentação Teórica Figura 2.8: Seção transversal de uma bobina Fonte: Adaptado de Stone et al (2004, p. 22) Já se o sistema isolante foi saturado em água, a capacitância aumentará ao longo do tempo. Como a água possui uma constante dielétrica de 80, a presença de água aumenta a constante dielétrica do isolante, aumentando assim a capacitância. Através do acompanhamento do valor da capacitância do enrolamento das máquinas, pode-se verificar se estar ocorrendo deterioração térmica do sistema isolante ou problemas causados pela umidade. Se a capacitância está diminuindo, é sinal que o enrolamento pode estar sofrendo deterioração térmica. E se a capacitância estiver aumentando, poderá ser devido à absorção de umidade do ambiente pelo sistema isolante. Caso a capacitância permaneça sem alteração ao logo dos anos, conclui-se pouca deterioração no sistema isolante (STONE et al, 2004) Medição e interpretação do teste Para medição dos valores de capacitância é necessário a utilização de instrumentos capazes de mensurar corretamente e a um nível de precisão de acordo com a necessidade do sistema isolante. Devido à quantidade de gás ou de umidade no interior do isolante ser uma pequena porcentagem em relação a quantidade normal, logo a alteração da capacitância é muito pequena no decorrer dos anos de operação da máquina. Com isso, o instrumento de medição deve ter uma precisão melhor que 0,1%, a fim de se obter valores confiáveis (STONE et al, 2004). 39

54 Capítulo 2 Fundamentação Teórica Para um gerador, a capacitância de cada fase pode ser mensurada, visto que cada fase pode ser isolada das demais, desconectando as ligações do cabo de neutro. Em grande parte dos motores, as fases são conectadas ao neutro, e a desconexão desses cabos resulta muito trabalho; assim não importa qual fase está sendo medida, pois a capacitância das três fases é medida de uma única vez. É de grande importância que a ponte de capacitância utilizada na medição esteja calibrada, pois os valores obtidos são utilizados como parâmetro de verificação ao longo dos anos, onde pequenas alterações nos valores são significantes. Qualquer desvio da ponte pode ser interpretado como um problema no enrolamento da máquina. Recomenda-se utilizar o mesmo instrumento de medição durante este período (STONE et al, 2004). Os valores obtidos de capacitância servem de base para interpretação de como se encontra o sistema isolante da máquina elétrica. A verificação é realizada baseada na tendência dos valores, onde uma quantidade significativa de deterioração térmica resulta aproximadamente na diminuição de 1% da capacitância ao longo dos anos. Caso o enrolamento seja afetado por umidade ou água, ocorrerá uma deterioração significativa no sistema isolante, o que resulta num aumento em torno de 5% da capacitância. Caso a deterioração ou falha no sistema isolante esteja ocorrendo apenas em alguns locais do enrolamento, o teste poderá não perceber alteração no valor da capacitância. Agora, se for afetado todo o enrolamento, o teste será mais capaz de identificar alteração no valor da capacitância (STONE et al, 2004). No trabalho em questão, o valor de capacitância será utilizado durante o estudo estatístico a ser desenvolvido no decorrer desse trabalho e servirá de base para validar as ações de melhorias recomendada pelo FMEA. 40

55 Capítulo 3 Revisão Bibliográfica 3 REVISÃO BIBLIOGRÁFICA Este capítulo apresenta uma visão da literatura referente à aplicação do FMEA em alguns campos de atuação, indicando métodos customizados para priorização dos modos de falha diferentes do método tradicional e seus respectivos resultados obtidos. Na pesquisa, foram encontrados artigos relacionados às áreas médica, industrial e de engenharia, onde cada um destes utiliza métodos diferentes uns dos outros para priorização dos modos de falha, buscando desta forma, minimizar os riscos e limitações associadas ao método tradicional. A maioria da literatura encontrada aborda a utilização da lógica fuzzy como base para priorização dos modos de falha com objetivo de se obter uma melhor avaliação da criticidade e do risco associado a cada modo de falha. Também foi abordada nesta pesquisa a utilização do método tradicional para priorização dos modos de falha, mesmo sendo conhecidos os riscos e limitações envolvidas neste método. Segue abaixo a pesquisa bibliográfica realizada referente à aplicação da metodologia FMEA. 3.1 Considerações Gerais Bowles e Peláez (1995) apresentaram uma nova técnica para determinar a prioridade dos modos de falhas e suas respectivas ações corretivas, levantadas na aplicação de um FMEA, seja este de produto ou processo. No método tradicional, a análise da criticidade para determinação do número de prioridade de risco (NPR) é realizada através da atribuição de um grau de severidade (S), freqüência da ocorrência (O) e detecção (D) pela equipe do FMEA; logo após, é realizado o produto destes três índices (NPR = S x O x D) gerando um valor de NPR para cada modo de falha que servirá de base para determinar a prioridade dos modos de falhas que serão tratados. O método tradicional para determinação do NPR pode apresentar problemas na priorização dos modos de falha. No entanto, esta nova técnica proposta pelos autores, busca resolver alguns dos problemas encontrados no método tradicional da priorização dos modos de falhas. Tay e Lim (2006) propuseram um método buscando simplificar a lógica fuzzy utilizada na metodologia FMEA com o objetivo de reduzir a quantidade de regras, as quais devem ser seguidas para a definição da prioridade dos modos de falha através do NPR. A lógica fuzzy 41

56 Capítulo 3 Revisão Bibliográfica requer uma grande quantidade de regras para definição do NPR, tornando-a uma atividade complexa e desgastante. Com a redução da quantidade de regras, facilita a utilização do modelo para o usuário, pois não deve mais fornecer várias informações para o processo em si. O método proposto se dá através de um sistema de redução de regras guiadas (GRRS) que tem por objetivo controlar a quantidade de regras necessárias para o processo de lógica fuzzy para determinação do NPR. Com a utilização do GRRS, os usuários necessitam apenas informar as regras mais importantes para a construção do modelo fuzzy para determinação do NPR. Com a aplicação deste método, busca-se superar as limitações existentes do modelo tradicional do FMEA para determinação do NPR. Para fins de comprovação da eficácia do modelo, este foi aplicado em um processo de fabricação de semicondutores. Dong (2007) apresentou um método para priorização dos modos de falhas de um FMEA, levando em consideração a severidade, ocorrência, detecção e o custo da falha através da utilização da teoria da utilidade e funções de lógica fuzzy, buscando superar as limitações e desvantagens deste tipo de análise apresentada no método tradicional. A teoria da utilidade fornece uma relação não linear entre o custo da falha e sua classificação ordinal; já a utilização da lógica fuzzy representa melhor as opiniões dos especialistas. Neste método foi desenvolvido um índice de prioridade de risco (RPI) para priorização dos modos de falha. As vantagens da utilização dos custos das falhas para priorização dos modos de falha foram apresentadas em dois estudos de casos para comprovar sua eficácia. Hoseynabadi et al (2010) aplicaram a metodologia FMEA a fim de avaliar a fase do projeto para dois tipos de configurações diferentes de aerogeradores, com o objetivo de se obter uma melhor confiabilidade no ato da montagem em fábrica como também na operação nos parques eólicos. Com a aplicação do FMEA, buscou-se avaliar todas as etapas de montagem e operação verificando os efeitos que suas falhas podem afetar o desempenho geral dos aerogeradores através de dados de campo dos seus subsistemas. Com a aplicação desta metodologia, foi possível fornecer informações aos projetistas para que no ato do desenvolvimento, possam realizar melhorias no projeto do aerogerador e otimizar a operação e manutenção nos parques eólicos. Devido à competitividade entre fabricantes de aerogeradores, torna-se essencial a oferta de máquinas com confiabilidade em sua montagem como na operação e manutenção; isto se torna necessário para sobrevivência da empresa no mercado eólico. O FMEA exerce um papel importante para análise da confiabilidade na fase do projeto do produto, sendo bem definido e utilizado na área de engenharia. 42

57 Capítulo 3 Revisão Bibliográfica Perks et al (2011) utilizaram a metodologia FMEA no ambiente da medicina com concentração no campo da oncologia. A aplicação do FMEA foi realizada no processo de radiação estereotáxica com o objetivo de melhorar a qualidade e segurança das práticas adotadas no decorrer das etapas para tratamento dos pacientes contra o câncer de pulmão. Apesar de conhecerem os riscos e limitações citado por Burgmeier (2002), o método aplicado no FMEA de processo para priorização dos modos de falha foi o tradicional. Xiao et al (2011) desenvolveram um novo método para priorização dos modos de falhas de um FMEA através da adequação do método proposto por Pickard et al (2005), visto que o método tradicional possui limitações que podem comprometer a eficácia dos resultados esperados do FMEA. No método proposto pelos autores, o NPR é definido através da atribuição de um peso que irá caracterizar a importância e prioridade de cada modo de falha do sistema. Desta maneira, buscam-se melhores definições das ações corretivas e por conseqüência melhorias e resultados favoráveis num menor espaço de tempo. Vinodh et al (2011) utilizaram o método desenvolvido por Xu et al (2002) que integra o método de lógica fuzzy à metodologia FMEA com o objetivo de minimizar as desvantagens do método tradicional para determinação do NPR. Este tipo de método foi escolhido devido a dois motivos: 1. A informação da falha é descrita como variáveis fuzzy, o que resulta numa condição real. 2. As interdependências entre os modos e efeitos de falha podem ser exploradas. O método foi aplicado através de um estudo de caso em uma empresa que fabrica interruptores rotativos durante a fase de projeto, tendo como objetivo, identificar as possíveis causas das falhas e suas interdependências, como também os modos de falhas em seus subsistemas e componentes, e propor ações corretivas. Barends et al (2012) aplicaram na indústria farmacêutica a metodologia FMEA em um de seus processos, buscando verificar os modos de falha referentes aos riscos técnicos e por falha humana que poderiam ocorrer. O processo estudado em questão foi em uma linha de produção, tendo como objetivo realizar a triagem dos comprimidos que se encontram fora dos padrões de especificação através da utilização de infravermelho. A aplicação do FMEA está aumentando cada vez mais na indústria farmacêutica por ser uma metodologia que auxilia na avaliação e tratamento dos riscos associados à gestão da saúde através da melhoria de qualidade no processo de fabricação dos medicamentos. Devido a algumas limitações relatadas por diversos autores para o método tradicional de priorização dos modos de falha em um FMEA, este artigo buscou outro método para priorização dos modos de falha através da utilização de análise de probabilidade para os índices de ocorrência e detecção. 43

58 Capítulo 3 Revisão Bibliográfica Su et al (2012) propuseram a utilização da metodologia FMEA não utilizando o método tradicional para priorização dos modos de falha e sim, através da melhoria do método utilizado por Yang et al (2011). O método de Yang et al (2011), utiliza a teoria da evidência de Dempster- Shafer para aplicação no FMEA devido sua eficácia e flexibilidade em lidar com informações incertas e subjetivas, minimizando o risco na definição da prioridade dos modos de falha. Mas, de acordo com Su et al (2012), este método apresenta limitações no que diz respeito quando os especialistas expressam diferentes opiniões que podem ser incertas e imprecisas, não podendo ser utilizadas por regra de combinação de Dempster. Buscando a solução para este problema, os autores propõem um método melhorado através da utilização da lógica fuzzy com o objetivo de melhorar as regras de combinação da teoria da evidência e modificar as evidências originais. Este novo método foi aplicado para avaliar os riscos na determinação das prioridades dos modos de falhas associados ao processo de pás do rotor de motores de aeronaves. Ahmad et al (2012) utilizaram um método de análise de falhas, integrando o FMECA (Failure Mode Effect and Criticality Analysis) e o FTM (Failure Time Modelling) com base em PHM (Proportional Hazard Model). Os objetivos com a aplicação do FMECA foram dois: Classificar os dados com base na avaliação de criticidade do FMECA e identificar possíveis fatores externos com base na causa e efeito do FMECA. A utilização do FTM com base em PHM foi aplicada para analisar estatisticamente os dados de tempo de falha levando em consideração os fatores externos. A metodologia sugerida foi aplicada numa indústria de transformação com ênfase em uma máquina do processo do sistema de corte; os resultados da integração do FMECA e FTM com base no PHM apresentam uma taxa de risco mais confiável e maior tempo médio até à falha do componente a ser avaliado; com isso, permite aos engenheiros planejarem uma estratégia de manutenção mais eficaz. Liu et al (2012) desenvolveram um método utilizando lógica fuzzy e Grey Relational Theory aplicado a um FMEA para analisar um equipamento médico buscando minimizar os riscos associados à priorização dos modos de falha em seu processo de utilização e controle. A metodologia FMEA foi aplicada por se mostrar eficaz na melhoria de processos e projetos em diversas áreas. A área da medicina possui algumas particularidades como a não padronização dos serviços de saúde, trazendo dificuldades na identificação dos modos de falha e a análise subjetiva dos especialistas faz com que os dados coletados não sejam claros, o que pode tornar a aplicação do FMEA restrita. Devido a isto, foi desenvolvido pelos autores o método citado acima para minimizar os riscos associados ao processo FMEA referente à priorização dos modos de falha. A 44

59 Capítulo 3 Revisão Bibliográfica metodologia foi aplicada na máquina de raios X C-arm com o objetivo de analisar e combater os riscos associados referentes ao processo de utilização e controle. Liu et al (2012) realizaram um estudo através da revisão de 75 artigos periódicos acadêmicos publicados entre os anos de 1992 e 2012 no idioma inglês, não sendo incluídos publicações profissionais, teses de doutorado, livros, atas de conferências e métodos sugeridos para automação do FMEA. O objetivo do estudo foi de realizar uma revisão dos trabalhos acadêmicos neste período buscando superar as limitações de classificação do NPR existente no método tradicional do FMEA, através da utilização de outros métodos ou técnicas visando superar estas limitações. O estudo foi baseado em três perguntas: Quais limitações chamam mais atenção? Quais métodos ou técnicas são mais utilizados? Existe alguma inadequação dos métodos ou técnicas propostas? De acordo com as respostas, pôde servir de parâmetro para verificar qual o direcionamento das pesquisas futuras e solucionar as limitações existentes no método tradicional do FMEA. 3.2 Métodos para priorização dos modos de falha Bowles e Peláez (1995) desenvolveram uma nova técnica baseada na lógica fuzzy para priorização dos modos de falhas de um FMEA em substituição ao método tradicional. Esta técnica associada a uma lógica fuzzy fornece meios para utilização direta com os termos lingüísticos utilizados para avaliação da criticidade; desta forma, permite ao analista uma melhor avaliação do risco associado a cada modo de falha. A avaliação é realizada através da utilização de variáveis lingüísticas para descrever a severidade, ocorrência e detecção da falha. Logo após, estas entradas são fuzzified para determinar a relevância de cada classe de entrada. Os resultados das entradas fuzzy são verificados através de um conjunto de regras lingüísticas e das operações de lógica fuzzy para obtenção da classificação do grau de risco de cada modo de falha associado a uma classe de risco ao qual pertence. Estas saídas fuzzy são submetidas ao processo de defuzzified buscando determinar o nível de prioridade para cada modo de falha. As vantagens da utilização desta técnica, em comparação ao método tradicional de priorização dos modos de falhas, são: Informações qualitativas, quantitativas e imprecisas são avaliadas e trabalhadas de forma consistente; 45

60 Capítulo 3 Revisão Bibliográfica Os riscos agregados para os modos de falhas são avaliados através da utilização de termos lingüísticos para avaliação da criticidade; Flexibilidade na combinação dos parâmetros de severidade, ocorrência e detecção. Como resultado, tem-se uma priorização mais coerente dos modos de falha que deverão ser tratados através de suas respectivas ações corretivas, a fim de eliminar ou reduzir o efeito da falha. Tay e Lim (2006) aplicaram o método simplificado através da utilização da lógica fuzzy para determinação do NPR de um FMEA aplicado a um processo de fabricação de semicondutores. O método proposto é um aprimoramento do modelo fuzzy utilizando o GRRS para determinação do NPR, onde o GRRS informa aos usuários quais regras são realmente necessárias para serem consideradas para construção do modelo. Como objetivo do trabalho, para fins de comparação e comprovação do método em questão, foi aplicado o método tradicional, fuzzy sem GRRS e o fuzzy com GRRS para determinar o NPR de um FMEA a um processo de fabricação do semicondutor que desempenha um papel crucial na garantia da funcionalidade adequada dos circuitos integrados que compõem o equipamento antes de ser fornecido ao cliente. Após a aplicação, pôde-se observar que o método fuzzy com GRRS apresentou os melhores resultados, minimizando os riscos associados para priorização dos modos de falhas de um FMEA através do NPR em comparação aos demais métodos. Com isso, o método fuzzy com GRRS mostra-se mais eficaz, pois onera menos tempo aos usuários para preenchimento das regras, tornando-o um método menos complexo e reduzindo a carga de dados em comparação com o método fuzzy padrão. Dong (2007) utilizou a teoria da utilidade em conjunto com a lógica fuzzy para avaliação da severidade, ocorrência, detecção e o custo da falha para priorização dos modos de falha de um FMEA. Aplicou a teoria da utilidade levando em consideração o custo associado a cada modo de falha, pois o objetivo do FMEA é reduzir este custo, sendo um fator determinante para a tomada de decisão para priorização dos modos de falha. Os índices de severidade, ocorrência e detecção são considerados como fatores de custo na teoria da utilidade. Logo após os valores destes fatores serem derivados, será encontrado o índice de prioridade do risco (RPI), que será utilizado para determinação da prioridade dos modos de falha. Posteriormente, é aplicado, a lógica fuzzy, a fim de minimizar os riscos associados devido às diferentes opiniões dos especialistas quando classificam os índices de severidade, ocorrência e detecção. Assim, é encontrado um RPI resultante, que por sua vez foi aplicado o método de defuzzified para se obter o valor do RPI de cada modo de falha. Para fins de comprovação da eficácia do método proposto, foi aplicado em 46

61 Capítulo 3 Revisão Bibliográfica dois estudos de caso, comparando os resultados obtidos deste método com o método tradicional para um FMEA. Para ambos os estudos, o método da teoria da utilidade e lógica fuzzy apresentou uma melhor definição de prioridade dos modos de falha, considerando o custo como fator determinante em comparação com o método tradicional. Portanto, o método proposto pode ser utilizado de forma eficaz para a análise dos riscos e das falhas de um processo ou produto. Hoseynabadi et al (2010) aplicaram o método tradicional para priorização dos modos de falha de um FMEA aliado ao software Relex Reliability Studio 2007 V2. Este não foi só utilizado para análise de FMEA, como também para previsão de confiabilidade, análise da árvore de falhas, cadeia de Markov e análise de Weibull. Estes módulos podem ser associados, de modo que um sistema em particular pode ser avaliado a partir de diferentes visões de confiabilidade. A aplicação do FMEA teve seu início com a separação das subdivisões do aerogerador sendo um total de 6 subsistemas; dentre estes foram identificados 16 modos de falhas e posteriormente 25 causas, sendo dividido em três tipos. Com os dados acima obtidos, foi inserido no software para que possa atribuir para cada modo de falha seu respectivo NPR. Os valores de severidade, ocorrência e detecção que servirão de base para o cálculo do NPR podem ser customizados pelo operador ou seguir o padrão do próprio software que utiliza a base descrita na norma MIL-STD- 1629A (1980), elaborado pelo departamento de defesa dos Estados Unidos da América. Logo após, é calculado o NPR de cada modo de falha e descritos em ordem decrescente. Com o NPR calculado, foi realizada uma comparação com as respectivas taxas de falhas de cada subsistema do aerogerador. Para isto, foi necessário utilizar uma escala para que possa ser realizada a comparação em questão. O objetivo foi de verificar a relação existente entre o NPR e a taxa de falha de cada subsistema a fim de traçar um a plano de ação com maior efetividade. Este método foi aplicado para os dois tipos de configuração do aerogerador de modo a verificar quais destes tipos possuem maior confiabilidade. A partir da utilização do FMEA aliado à taxa de falhas dos subsistemas do aerogerador, como resultado, pode-se concluir que a metodologia aplicada pode ser adotada na fase do projeto do produto pelos projetistas, com o objetivo de identificar melhorias. Como sugestão de melhoria citada pelos autores, seria de incluir na etapa de desenvolvimento do FMEA o projetista e o engenheiro de operação e manutenção dos aerogeradores, com o objetivo de tornar o processo menos subjetivo. Perks et al (2011) aplicam o método tradicional para priorização dos modos de falhas através do número de prioridade de risco (NPR), sendo este calculado pelo produto dos índices de severidade (S), ocorrência (O) e detecção (D) de um FMEA aplicado ao processo de radiação estereotáxica na área de oncologia. As tabelas de severidade, ocorrência e detecção foram criadas 47

62 Capítulo 3 Revisão Bibliográfica pela equipe multidisciplinar baseada na citada por Ford et al (2009). Após a determinação do NPR para cada modo de falha, foi estabelecido pela equipe que apenas os NPRs que apresentaram valor igual ou maior que 20 seriam considerados de alta prioridade. Obtiveram-se um total de 28 modos de falha, dentre estes, 9 modos de falha foram considerados de alta prioridade baseado em seus respectivos NPRs. Todos foram tratados através da implantação das ações corretivas buscando extinguir ou minimizar a falha. Posterior às ações implantadas, os modos de falha tiveram seus respectivos NPRs reduzidos de forma a não possuírem mais alto risco no processo. Como exemplo, o NPR mais alto teve seu valor 80; após as ações implantadas o novo valor foi 20. Os resultados obtidos com a implantação do FMEA no processo de radiação estereotáxica foram bastante satisfatórios, pois as melhorias realizadas promoveram uma melhor qualidade e segurança em diversas etapas do processo. Xiao et al (2011) propuseram um novo método para priorização dos modos de falhas utilizando como base o método sugerido por Pickard et al (2005), realizando algumas alterações neste. O método de Pickard et al (2005) avalia a confiabilidade do sistema considerando vários modos de falha simultaneamente, porém, descreve como combinar vários modos de falhas em um único, mas não especificou quais modos de falhas devem ser combinados para realizar o procedimento do FMEA. Já o proposto pelos autores trata de um novo método que atribui pesos aos índices de severidade, ocorrência e detecção para o cálculo do NPR, onde a severidade é igual para todos os modos de falha, pois o foco é sobre o evento da falha. O índice da ocorrência é que irá sofrer variações de acordo com cada modo de falha, tornando-o o fator mais importante a ser considerado no sistema. Já o índice da detecção não se torna um item essencial a ser considerado. Com base nestes índices, é calculado o NPR de cada modo de falha de forma que se pode avaliar a importância entre as várias possíveis causas das falhas. Este estudo foi aplicado a um sistema tendo como exemplo os três tipos de avaliação para o cálculo do NPR, sendo estes o método tradicional, o de Pickard et al (2005) e o de Xiao et al (2011), para fins de verificação da eficácia entre métodos. Posterior à aplicação, o método proposto por Xiao et al (2011) obteve uma melhor eficácia na definição das prioridades dos modos de falhas em comparação com os demais métodos. Assim, a utilização deste novo método para priorização dos NPRs de um FMEA, propõe uma melhor confiabilidade ao sistema na presença de vários modos de falha e um menor prazo para realização das ações corretivas. Vinodh et al (2011) aplicou o método de lógica fuzzy desenvolvido por Xu et al (2002) para priorização dos modos de falha em um FMEA de projeto de um interruptor rotativo com o objetivo de identificar as possíveis causas que podem conduzir o equipamento a falhar. O valor 48

63 Capítulo 3 Revisão Bibliográfica do NPR foi utilizado para priorizar os modos de falha pelo seu grau de importância. O FMEA foi aplicado aos componentes individuais de cada subsistema buscando identificar possíveis modos de falha; logo após foi utilizada a lógica fuzzy através da criação de regras para determinação do NPR; depois foi aplicado o método de defuzzified para priorização de cada modo de falha. Como resultado da aplicação do FMEA através do método de lógica fuzzy foram identificados os potenciais modos de falhas através de seus respectivos NPR e realizado um plano de ação corretiva. Depois de implantadas as ações, foram verificadas que houve uma redução significativa dos valores dos NPR, comprovando a eficácia do método utilizado. Comparando o método tradicional do FMEA com o método de lógica fuzzy utilizado, foram levantadas duas vantagens. A primeira é que a informação da falha é descrita como variável fuzzy, o que proporciona uma visão mais real da situação e a segunda, é que o método fuzzy melhora a utilização das interdependências entre diversos modos e efeitos de falha. Barends et al (2012) apresentaram um novo método para priorização dos modos de falha, comparando-o ao método tradicional levantado em um FMEA de processo realizado na indústria farmacêutica. Este novo método consiste da substituição dos valores dos índices de ocorrência e detecção por uma freqüência relativa estimada e mantendo o valor do índice de severidade. A freqüência da ocorrência e detecção para cada modo de falha foi estimada de forma quantitativa através da utilização de equações definidas. Logo após, calcula-se a Redução do Risco Relativo (RRR) para, com base em seus valores, determinar qual(is) modos de falha será(ão) tratado(s) com prioridade através de suas respectivas ações. Para o método tradicional, foi utilizado o produto dos três índices, severidade (S), ocorrência (O) e detecção (D) para cálculo do NPR (S x O x D) de cada modo de falha e posteriormente definir quais destes terão ações específicas buscando eliminar ou minimizar a falha potencial. Após a aplicação dos dois métodos do FMEA ao processo de fabricação, foi realizado um comparativo destes, buscando avaliar quais proporcionaram melhores resultados referentes à avaliação dos riscos associados para definição dos modos de falhas que deverão ser tratados com prioridade. O resultado apresentado foi que o método probabilístico obteve melhores resultados em comparação ao método tradicional referente à minimização dos riscos associados para a priorização dos modos de falhas, ou seja, alguns modos de falhas selecionados no método tradicional não necessariamente foram os que apresentaram maiores riscos. Através da utilização do método probabilístico do FMEA, obtevese uma melhoria em torno de 38% referente à probabilidade de ocorrência de uma falha ser detectada pelo cliente, comparando-a antes da aplicação do FMEA. Mesmo com custos 49

64 Capítulo 3 Revisão Bibliográfica associados para implantação das melhorias no processo, foi bem menor para o caso de uma falha potencial vir a ocorrer. Su et al (2012) apresentaram um novo método para priorização dos modos de falha de uma FMEA, onde este trata-se de uma melhoria do método proposto por Yang et al (2011). O método de Yang et al (2011) utiliza a teoria da evidência Dempster-Shafer para modelar a incerteza de informações recebidas da avaliação de vários especialistas do FMEA. Neste método, é realizado um quadro de discernimento simplificado de acordo com a aplicação prática. Assim, o valor médio do novo NPR (número de prioridade de risco) é utilizado para determinar a ordem de prioridade dos modos de falha do FMEA. Este método é prático e útil, porém, quando os valores dos fatores de riscos mensurados pelos especialistas são diferentes e imprecisos, as atribuições de crenças básicas (BBAS) construído por este método podem se tornar evidências conflitantes ao ponto de não poderem ser tratados pela regra de combinação de Dempster. Para solucionar este tipo de problema, Su et al (2012), propõem uma melhoria do método de Yang et al (2011). Este novo método trata estes valores dos fatores de avaliação de risco diferentes e imprecisos, mensurados pelos especialistas, acrescentando mais uma etapa em que as fronteiras dos critérios são realizados através da lógica fuzzy. Os dois métodos foram aplicados ao FMEA de processo de pás do rotor de motores de aeronaves com o objetivo de verificar se há diferenças na definição das prioridades dos modos de falha. Após a aplicação dos métodos, o resultado obtido foi que para os 17 modos de falhas identificados como prioridade, dois deles apresentaram divergências em seus NPRs, comparando os dois métodos, ou seja, dois modos de falhas no método de Yang et al (2011) apresentaram maior valor de seus NPRs, comparado ao valor encontrado no método de Sun et al (2012). Os resultados obtidos pelo método de Sun et al (2012) são consistentes com o método de Yang et al (2011), que utiliza a base deste método para suas análises. Mas com a adição de uma etapa para construir as atribuições de crenças básicas (BBAS) com a teoria da incerteza, mostra-se que o método proposto por Sun et al (2012) possui uma vantagem no tratamento dos diferentes valores mensurados pelos especialistas de maneira a minimizar a avaliação dos riscos na determinação das prioridades dos modos de falha de uma FMEA. Ahmad et al (2012) aplicaram uma nova metodologia através da integração do FMECA e o FTM com base no PHM para priorização dos modos de falhas aplicado a um processo industrial. O FMECA identificou os modos de falha, a causa e os efeitos da falha e o cálculo do índice de criticidade de cada modo de falha, onde este último é calculado a partir da combinação da probabilidade da ocorrência do modo de falha com a sua classificação de severidade, gerando como resultado um Ck (índice de criticidade). O Ck irá determinar quais modos de falhas 50

65 Capítulo 3 Revisão Bibliográfica deverão ser tratados com prioridade. Após definido o Ck de cada modo de falha, este é aplicado como entrada para o processo de integração entre FTM e PHM, realizando a análise do tempo de falha, buscando identificar as características de falha de um componente com base no modelo de distribuição de Weibull. A metodologia foi aplicada a uma parte da máquina do processo do sistema de corte, sendo este a correia de transmissão. O objetivo da aplicação desta metodologia é resolver o problema da falha ocorrida no processo devido ao estresse mecânico sofrido pela correia através da identificação dos modos de falha e realização de um plano de manutenção com a visão de redução dos custos devido à quebra e substituição da correia e perda de produção neste período. Após a aplicação da metodologia proposta de integração, proporcionou à empresa, um processo de análise de falhas mais prático e eficaz, não só através da identificação dos fatores externos, mas também o processo de classificação dos modos de falha com base no cálculo do índice de criticidade. Liu et al (2012) utilizaram um novo método para priorização dos modos de falha de um FMEA aplicado a um equipamento médico através da lógica fuzzy e Grey Relational Theory. A lógica fuzzy foi utilizada para descrever a subjetividade e a incerteza das informações quantitativamente. Logo após, os valores fuzzy encontrados são defuzzified para que possam servir de entrada para a Grey Relational Theory. Esta por sua vez realiza a integração destes valores dispostos em uma matriz para que possa ser realizada a triagem dos modos de falha. Posteriormente, criou-se outra matriz dos fatores de riscos determinados pelos valores dos índices de severidade, ocorrência e detecção do FMEA. Aplicado à Grey Relational Theory, o resultado será expresso através de um coeficiente de relação para cada modo de falha, onde a ordem de prioridade é dada de forma crescente dos valores. A metodologia FMEA através do método proposto proporcionou à equipe identificar os possíveis modos de falha associados à utilização e controle da máquina de raios X C-arm, de forma que puderam minimizar e extinguir os riscos eminentes ao processo de utilização e controle. Liu et al (2012) através da revisão de 75 artigos periódicos acadêmicos publicados entre os anos de 1992 e 2012 listou, na visão dos autores, as principais limitações do método tradicional do FMEA; como exemplo cita-se abaixo algumas destas limitações: Combinações diferentes entre severidade, ocorrência e detecção podem produzir o mesmo NPR, mas os riscos de cada um podem ser diferentes; Os índices de severidade, ocorrência e detecção não são determinados de forma precisa; 51

66 Capítulo 3 Revisão Bibliográfica O nível de importância entre os índices de severidade, ocorrência e detecção não é levado em consideração; A equação para o cálculo do NPR é duvidosa; As interdependências entre os modos e efeitos de falha não são levados em consideração; O NPR não pode ser utilizado para mensurar a eficácia das ações corretivas, dentre outras. Pode-se verificar através da Tabela 3.1, os métodos e técnicas utilizadas para classificação e avaliação dos riscos de um FMEA. Tabela 3.1: Métodos e técnicas Fonte: Liu et al, Porcentagem de utilização pelos Tipo do Método Autores MCDM (Método de decisão multi-critério) 22,5% Programação Matemática (Programação linear e fuzzy) 8,75% Inteligência Artificial (AI) (Sistema de base de regras e Sistema de base de regras fuzzy) Abordagens Integradas (Lógica fuzzy integrada à outra abordagem) Outras Abordagens (Modelo de base de custos, simulação Monte Carlo, etc.) 40% 11,25% 17,5% Com base nas informações acima, verifica-se que o método de lógica fuzzy é o mais utilizado entre os autores no desenvolvimento de um FMEA. Mesmo sendo bastante utilizado, possui algumas limitações como: A definição das funções de pertinência adequada para os fatores de risco e o nível de prioridade do risco; A concepção da lógica fuzzy não se torna fácil, pois os especialistas devem realizar vários questionamentos, o que torna o método bem cansativo e com maior tempo para execução; Devido aos cálculos complexos para resultados precisos dos riscos, pode ocorrer perda de informação na interferência fuzzy; 52

67 Capítulo 3 Revisão Bibliográfica Torna-se complexa a utilização de um software que realize a comunicação entre a entrada e a saída de risco, e a classificação da prioridade da falha. Como resultado do estudo, pode-se verificar que houve um crescimento no decorrer do período de 1992 a 2012, referente à questão do desenvolvimento de outros tipos de métodos, buscando solucionar os problemas existentes no método tradicional do FMEA. Este tipo de acontecimento tem como tendência o aumento da utilização dos métodos de MCDM, AI, lógica fuzzy, etc. devido ao grau de importância que o FMEA vem sendo aplicado em vários processos e produtos, e seus respectivos ganhos de melhoria. 3.3 Conclusão Foram abordados vários tipos de métodos para priorização dos modos de falha de um FMEA, visto que o método tradicional apresenta limitações que podem vir a comprometer os resultados esperados. Dentre os vários métodos citados nos trabalhos, o método que teve maior aplicação foi o baseado na lógica fuzzy, que busca minimizar os riscos associados no processo de priorização dos modos de falha. Outros métodos utilizaram a teoria da utilidade, Grey Relational Theory e o GRRS (Sistema de Redução de Regras Guiadas) de forma integrada com a lógica fuzzy, com o objetivo de melhorar ainda mais os resultados que teriam utilizando apenas a lógica fuzzy. Este tipo de integração entre ferramentas está sendo adotada por vários autores, buscando minimizar algumas limitações apresentadas no método fuzzy, conforme citado por Liu et al (2012). Mesmo apresentando limitações, apresenta ser um método eficaz para minimizar os riscos no processo de priorização dos modos de falha de um FMEA. Observa-se também a utilização do método tradicional do FMEA por Perks et al (2011), aplicado na área médica, onde os resultados foram bastante satisfatórios, mesmo conhecendo os riscos e limitações deste tipo de método citado por Burgmeier (2002). O fator custo foi utilizado como índice determinante conforme citado por Dong (2007) para priorização dos modos de falhas de um FMEA, aplicado através da utilização da teoria da utilidade e funções de lógica fuzzy, buscando superar as limitações e desvantagens do método tradicional. Outro método utilizado foi à integração do FMECA (Análise do Modo e Efeito das Falhas e Criticidade) e o FTM (Tempo de Falha do Modelo) com base no PHM (Modelo de Risco Proporcional) citado por Ahmad et al (2012), o que proporcionou um processo de análise de 53

68 Capítulo 3 Revisão Bibliográfica falhas mais eficaz, uma taxa de risco mais confiável para priorização dos modos de falha e uma melhor avaliação do tempo médio até à falha do componente em questão; com isso, permitiu aos engenheiros planejarem uma estratégia de manutenção mais eficaz. Os demais métodos apresentaram a utilização de Software e outras metodologias específicas, buscando minimizar os riscos associados para determinar a prioridade dos modos de falha de um FMEA; todos apresentaram êxito em seus resultados, comparado ao método tradicional. Diante do exposto nos trabalhos, não existe uma determinação clara de qual tipo de método é o melhor recomendado para utilização de um FMEA, pois cada um possui particularidades em sua aplicação. O que deve ser realizado pela equipe do FMEA, é verificar qual método será mais bem aplicado a este FMEA, seja este de produto ou processo, com o objetivo de minimizar os riscos associados na priorização dos modos de falha, para que se obtenha eficácia dos resultados. Portanto, no próximo capítulo será apresentado um método para priorização dos modos de falha de um FMEA aplicado a um processo de montagem de um subsistema do aerogerador, através de um estudo de caso. O trabalho proposto não utiliza o NPR como meio de priorização dos modos de falha, devido às limitações apontadas nos trabalhos citados neste capítulo, o que poderia vir a comprometer os resultados esperados. A metodologia FMEA que será aplicada neste trabalho é baseada no método proativo citado por Palady (1997). O método em questão prioriza a utilização dos mais altos graus de severidade e os mais altos índices de ocorrência para avaliar e classificar os modos de falhas que irão apresentar prioridade para tratamento, verificado através do gráfico de áreas e da matriz de investigação. Este método não utiliza a detecção para fins de priorização dos modos de falha e sim como possível ponto de melhoria, caso ocorra a oportunidade de atuar, de forma que não comprometa os custos e o tempo decorrentes no processo. Com isso, os riscos associados à priorização dos modos de falha são minimizados se comparados ao método tradicional. Por necessidade específica da empresa e para justificar a utilização do FMEA, será realizado um comparativo dos resultados antes e depois, buscando comprovar a aplicação da metodologia FMEA através do método proativo. 54

69 Capítulo 4 Estudo de caso 4 ESTUDO DE CASO Este capítulo apresenta o estudo de caso realizado com o objetivo de analisar as falhas ocorridas nos aerogeradores no parque eólico e propor melhorias através da aplicação do FMEA em seu processo de montagem. 4.1 Introdução Uma empresa que monta aerogeradores e gerencia parques eólicos localizada no Brasil, disponibilizou seu banco de dados gerado através de planilha em Excel correspondente ao período entre os anos de 2011 e 2012, referente aos aerogeradores instalados em um parque eólico localizado no estado do Ceará, que serviram de base para o estudo em questão. Este banco de dados encontra-se dividido em dois períodos, onde o ano de 2011 corresponde ao período de ocorrência das falhas nos aerogeradores no parque eólico e o ano de 2012 corresponde ao período depois das melhorias implantadas no processo de montagem do aerogerador. O estudo de caso foi desenvolvido através deste banco de dados, buscando analisar as falhas ocorridas nos aerogeradores antes e posterior às intervenções no processo produtivo através da obtenção de melhorias dos dois principais indicadores, a fim de aumentar a performance dos aerogradores nos parques eólicos. Os dois indicadores em questão são a Resistência de Isolamento (RI) e a Capacitância(C); ambos relatam como se encontra o rendimento e fornece uma indicação de possível falha nos aerogeradores, através do monitoramento dos seus valores. Através da técnica para análise e prevenção de falhas, utiliza-se o FMEA como principal ferramenta de aplicação neste trabalho, com o objetivo de se obter ganhos nos valores de resistência de isolamento e capacitância, através da aplicação de melhorias no processo de montagem do aerogerador e também melhoria das horas trabalhadas destes no parque eólico. 4.2 Fluxograma aplicado Para este estudo de caso, foi desenvolvido um modelo através de um fluxograma que demonstra como foram realizadas as etapas e uma descrição breve de cada (Figura 4.1). 55

70 Capítulo 4 Estudo de caso Figura 4.1: Fluxograma das atividades Fonte: Esta Pesquisa,

71 Capítulo 4 Estudo de caso 4.3 Descrição Sistema Segundo Custódio (2009), o aerogerador é um equipamento destinado à produção de energia elétrica a partir da energia cinética dos ventos. O aerogerador ou turbina eólica em estudo é do tipo de transmissão direta, ou seja, que não possui caixa multiplicadora, equipado com um rotor de 77 metros de diâmetro, três pás de 37,5 metros, cada, com controle de passo (Pitch) variável e potência nominal de 1,5 MW, instalado a uma torre de 85 metros de altura (Figura 4.2). Figura 4.2: Exemplo do aerogerador Fonte: Fotografado pelo autor, Este foi projetado para trabalhar com velocidade de vento entre 3 e 22 m/s, possuindo um gerador tipo síncrono multipolo com imãs permanentes, com velocidade de rotação variável, sem a necessidade de fonte de energia externa para provocar excitação na máquina para inicio de geração de energia, possuindo um conversor de freqüência que busca adequar a saída da energia gerada, realizando um filtro antes de ser injetada à rede elétrica. Encontra-se equipado com um sistema de freio aerodinâmico e vários sensores com redundância que garantem a segurança operacional do aerogerador. Conta com a instalação de ultra-capacitores no sistema de pitch que possuem a função de armazenar energia que possibilite atuação do sistema de segurança no momento de falta de energia e/ou falha, atuando no endereçamento das três pás para a posição de bandeira ou defesa. O aerogerador foi projetado de maneira a ser fabricado e transportado em 57

72 Capítulo 4 Estudo de caso partes de forma independente, sendo montados entre si no parque eólico, formando um conjunto. Suas principais partes são o gerador, nacelle, hub, pás e torre Divisão do sistema O aerogerador estudado divide-se em partes ou subsistemas, onde cada um destes possui funções particulares para o funcionamento e controles necessários para a operação e disponibilidade de geração de energia no parque eólico (Figura 4.3). SISTEMA AEROGERADOR NACELLE HUB GERADOR PÁ TORRE SUBSISTEMAS ESTATOR ROTOR Figura 4.3: Divisão do aerogerador Fonte: Esta Pesquisa, Conforme descrito acima, cada subsistema possui funções particulares para operação do aerogerador. De acordo com Custódio (2009), as definições destes subsistemas encontram-se descritas a seguir e ilustrados a partir da Figura 4.4, com o objetivo de um melhor entendimento do equipamento. 58

73 Capítulo 4 Estudo de caso Figura 4.4: Subsistemas do aerogerador Fonte: Esta Pesquisa, Nacelle (1) A Nacelle é fixada ao extremo superior da torre que transmite todos os esforços gerados pelo rotor e gerador. É provida de um mecanismo de giro através de um rolamento instalado em sua base que lhe permite girar 360 do seu eixo com o objetivo de realizar a melhor captação da direção e velocidade do vento através de seus sensores meteorológicos instalados em sua parte externa superior. Nesta mesma base possui balizas de sinalização e pára-raios contra descargas atmosféricas. Possuem em seu interior, equipamentos elétricos e mecânicos como painéis elétricos, disjuntores, motoredutores, bomba hidráulica, sistema de freio, etc. que auxiliam no seu funcionamento. Estes equipamentos são protegidos por uma carenagem geralmente fabricada através de materiais compósitos que resistam as condições severas do ambiente. Este conjunto de equipamentos é comandado por um CLP (Controlador Lógico Programável) que recebe informações de entrada de diversos sensores instalados, processam estas informações e emitem uma saída específica para cada função que deverá ser atuada como por exemplo, girar o aerogerador a uma determinada coordenada para uma melhor captação do vento. 59

74 Capítulo 4 Estudo de caso Hub e Sistema de pitch (2) O Hub (cubo das pás) é a ponta do eixo do aerogerador onde as pás são fixadas através de flanges com a função de capturar a energia cinética dos ventos, transformando-a em movimento de rotação ao gerador através de um eixo. Esta captação é realizada pelas três pás instaladas, onde cada uma destas possui um sistema de controle de pitch que possibilita controlar o ângulo de ataque de cada pá com um controle minucioso de velocidade, torque e potência do aerogerador, buscando desta maneira um melhor aproveitamento da energia para qualquer condição de velocidade e direção do vento. Outra função do sistema de pitch é proporcionar freio aerodinâmico ao aerogerador, seja este por uma parada normal ou numa situação de emergência, onde se consegue parar o giro do aerogerador realizando a movimentação das suas pás a posição de ângulo de defesa. Cada freio aerodinâmico é redundante, pois o sistema de pitch de cada pá é independente, o que proporciona o aerogerador ser conduzido a um estado seguro em poucos segundos antes da falha de cada um destes. Possui também um sistema de armazenamento através de ultracapacitores de energia independente para cada pá. Isto se torna necessário para garantir a parada segura do aerogerador por uma falta de energia elétrica Gerador O gerador é o responsável pela produção de energia elétrica através da conversão da rotação do rotor em energia elétrica. É do tipo síncrono, com acionamento direto e excitação por imãs permanentes, conhecido como DDPM (direct drive permanent magnet). Funciona a uma freqüência e tensão variáveis, atingindo sua potência nominal de 1,5 MW quando o rotor é submetido a uma velocidade de 19 rpm (rotação por minuto). Para este tipo de gerador, utiliza-se um conversor de freqüência constituído de um retificador CA (corrente alternada) - CC (corrente contínua) e um inversor CC (corrente contínua) - CA (corrente alternada), o que possibilita o controle da onda de saída em: forma, freqüência, fator de potência e amplitude. O gerador é divido em outros dois subsistemas, sendo estes o Estator (3) e o Rotor (4), definidos a seguir. 60

75 Capítulo 4 Estudo de caso Estator (3) O estator é formado por componentes estruturais de aço, projetados de forma a suportarem as partes ativas e transferir os esforços da nacelle através do eixo principal. Os componentes ativos do estator são o núcleo magnético e o bobinado, compostos por em torno de chapas estatóricas e 576 bobinas, respectivamente. O núcleo estatórico foi projetado com o objetivo de minimizar as perdas eletromagnéticas e favorecer uma dissipação do calor gerado em trabalho. Já o bobinado é do tipo trifásico e conectado a uma ligação estrela que proporcione uma tensão de 690 volts, o que torna uma máquina elétrica de baixa tensão. Sua classe de isolamento é F (155 C). A refrigeração é dada por meio do ar ambiente, ou seja, sem utilização de ventilação forçada buscando expulsar o calor interno para o ambiente Rotor (4) Trata-se de um elemento estrutural, construído a partir do processo de caldeiraria (chapa soldada), onde sua superfície interior é constituída de pólos magnéticos, formados por imãs permanentes de alta intensidade magnética. A utilização deste tipo de tecnologia através da utilização de imãs permanentes permite reduzir de forma considerável o diâmetro externo e o peso do gerador, o que proporciona uma melhor competitividade perante os outros fabricantes de aerogeradores. O rotor é suportado por dois rolamentos projetados especificamente para suportar o peso das estruturas e de todos os esforços aerodinâmicos provenientes das pás, devendo ser transmitidos à estrutura da nacelle e posterior à da torre Pá (5) Componente aerodinâmico responsável pela interação com o vento, convertendo parte da energia cinética de uma massa de ar em movimento e transformando-a em torque mecânico. As pás são fabricadas de um material composto PRFV (resina plástica reforçada com fibra de vidro) proporcionando alta resistência mecânica com um baixo peso. Cada pá possui uma extensão de aproximadamente 37,5 metros e um peso aproximado de 5,5 toneladas. São concebidas com um sistema de proteção contra descargas atmosféricas que busca proteger a 61

76 Capítulo 4 Estudo de caso integridade do aerogerador. De forma opcional, pode-se agregar às pás um sistema de medição de esforços e deformações que permitem monitorar as condições de funcionamento dos componentes Torre (6) Estrutura com o objetivo de proporcionar ao aerogerador uma altura adequada para um melhor aproveitamento do vento. Trata-se de um elemento estrutural importante que suporta e transfere até à fundação todos os esforços do aerogerador. É do tipo tubular, podendo ser de aço ou de concreto, sendo fabricada em partes chamadas de tramos, visando facilitar a movimentação e montagem no processo de transporte e montagem no parque. No interior da torre é realizada a instalação dos cabos de força, comando, comunicação e fibra óptica, referentes ao controle e transmissão da energia do aerogerador até o transformador de potência instalado na base da torre. Nesta mesma base são instalados todos os painéis de controle, conversor de freqüência, transformador de serviço e chave seccionadora. O acesso à nacelle se dá pelas escadas instaladas no interior da torre, que possuem um sistema de segurança do tipo trava queda e também possuem plataformas de segurança distribuídas a distâncias, de acordo com cada projeto. 4.4 Cenário antes do FMEA Análise dos Dados Os dados utilizados como base para este trabalho foram levantados e disponibilizados pelo setor da Qualidade da empresa e cedidas ao setor de Engenharia através de planilhas em Excel. Estas planilhas possuem o histórico dos aerogeradores que apresentaram falhas, que por conseqüência, os deixaram indisponíveis para geração de energia elétrica no parque eólico. A disposição destes dados se deu de forma mensal no período do ano de As planilhas possuem os dados da ordem de produção do gerador na fábrica, número do aerogerador no parque, subsistema da falha, etc. Na Tabela 4.1 pode ser verificada a disposição dos dados. 62

77 Qtd. de ocorrências Capítulo 4 Estudo de caso Tabela 4.1: Disposição dos dados Fonte: Esta Pesquisa, O início da análise dos dados foi realizado com o objetivo de se verificar a quantidade de falhas ocorridas no período de 2011 nos aerogeradores instalados no parque eólico localizado no estado do Ceará. Conforme descrito no item desta seção, o aerogerador é dividido em subsistemas; portanto, ao se utilizar uma análise de Pareto, verificou-se que o subsistema com maior quantidade de falhas ocorridas foi o gerador, apresentando um total de 71 ocorrências de falha (Figura 4.5) Quantidade de ocorrências por subsistema NACELLE HUB GERADOR PÁ TORRE Subsistema Figura 4.5: Quantidade de ocorrência por subsistema do aerogerador Fonte: Esta Pesquisa, O subsistema gerador, por característica própria, divide-se em outros dois subsistemas, sendo estes o Estator e o Rotor. Buscando avaliar dentro deste espaço amostral de 71 ocorrências de falhas qual foi a contribuição para cada subsistema, aplicou-se o Pareto para esta nova análise e o resultado foi que o estator apresentou a maior contribuição, quando comparado ao rotor, apresentando 49 contra 22 ocorrências de falhas, respectivamente (Figura 4.6). 63

78 Qtd. de ocorrências Capítulo 4 Estudo de caso 100 Qtd. de ocorrência por subsistema do Gerador ESTATOR Subsistema ROTOR Figura 4.6: Quantidade de ocorrência por subsistema do gerador Fonte: Esta Pesquisa, Após estas análises, a decisão tomada foi de focar o estudo no subsistema estator por apresentar um maior número de ocorrências de falhas e também por apresentar maior valor econômico que agrega maior custo para a empresa, comparada ao rotor na ocorrência de uma falha. 4.5 Tratativas dos dados e definição do espaço amostral Definido o subsistema a ser estudado, inicia-se pela verificação e tratamento dos dados para definição do espaço amostral, com o objetivo de avaliar a utilização destes no estudo de caso. Foi verificado na planilha existente que algumas colunas não possuíam dados, como valores de resistência de isolamento, capacitância, horas trabalhadas, etc. Desta forma, a decisão foi de retirar as amostras que possuem a falta destes dados do espaço amostral. Posterior a esta análise, obteve-se um novo espaço amostral de 24 ocorrências de falhas e para se obter qual foi a contribuição para cada subsistema, aplicou-se o Pareto para esta nova análise e o resultado foi que o estator continuou apresentando a maior contribuição quando comparado ao rotor, 21 contra 3 ocorrências de falhas, respectivamente (Figura 4.7). Este novo espaço amostral com 21 amostras determinado após a tratativa dos dados será utilizado no decorrer do trabalho. 64

79 Qtd. de ocorrências Qtd. de ocorrências Capítulo 4 Estudo de caso 100 Qtd. de ocorrência por subsistema do Gerador ESTATOR Subsistema 3 ROTOR Figura 4.7: Quantidade de ocorrência por subsistema do gerador Fonte: Esta Pesquisa, Definido o espaço amostral do subsistema para o foco do trabalho, aplicou-se o Pareto com o objetivo de verificar qual a região ou área do estator em que ocorreram estas falhas, para que as ações futuras tenham um direcionamento para atuação. Os resultados obtidos demonstram que houve 15 ocorrências de falhas por curto circuito na região dos anéis e 6 ocorrências de falhas, também por curto circuito, na região da ranhura (Figura 4.8). 50 Região da ocorrência no Estator ANÉIS Região RANHURA Figura 4.8: Região da ocorrência no estator Fonte: Esta Pesquisa, Como o foco das ações será através de intervenções no processo produtivo do estator, foi identificado em que etapa do processo de montagem do estator estas ocorrências fazem parte. De acordo com a divisão das etapas do processo produtivo de montagem do estator (Figura 4.9), a 65

80 Capítulo 4 Estudo de caso ocorrência dos anéis faz parte do processo de interconexão (Etapa 3) e já a ocorrência da ranhura do processo de impregnação (Etapa 4) do estator. MONTAGEM DO ESTATOR APILADO (ETAPA 1) BOBINADO (ETAPA 2) INTERCONEXÃO (ETAPA 3) IMPREGNAÇÃO (ETAPA 4) Figura 4.9: Etapas de montagem do estator Fonte: Esta Pesquisa, Identificadas as etapas de montagem do processo de montagem do estator que apresentaram as ocorrências de falhas, o próximo passo seguido foi á verificação dos valores de resistência de isolamento, capacitância e horas trabalhadas dos aerogeradores fabricados neste período Desenvolvimento Com base no espaço amostral definido para o subsistema estator na seção 4.5, foi avaliado o cenário antes da aplicação do FMEA, referente aos valores de resistência de isolamento e capacitância mensurada no processo de montagem do estator e as horas trabalhadas pelo aerogerador no parque. Estes dados fazem parte do escopo da mesma planilha anteriormente disponibilizada pelo setor da Qualidade da empresa. A disposição destes dados se deu de forma mensal no período do ano de As planilhas possuem os dados da ordem de produção do gerador na fábrica, horas trabalhadas do aerogerador no parque, valores de resistência de isolamento e capacitância medidos na fábrica, etc. Na Tabela 4.2 pode ser verificada a disposição dos dados. 66

81 Capítulo 4 Estudo de caso Mês / Ano Ordem de Produção do Gerador (Fábrica) Data da Falha Tabela 4.2: Disposição dos dados Fonte: Esta Pesquisa, Horas RI - S1 Trabalhadas no (MΩ) Parque RI - S2 (MΩ) Capacitância - S1 (µf) Capacitância - S2 (µf) Fevereiro /04/ ,3 270,4 223,1 0,728 0,723 Janeiro /02/ ,3 242,6 181,9 0,745 0,741 Setembro /02/ ,7 224,3 185,4 0,702 0,705 Julho /02/ ,8 181, ,687 0,688 Outubro /05/ ,2 241, ,701 0,707 Maio /02/ ,7 370,7 392,8 0,703 0,715 Dando andamento ao desenvolvimento, foram aplicados conceitos de estatística buscando a validação dos valores de resistência de isolamento, capacitância e horas trabalhadas, onde estes serviram de indicador para outras análises no decorrer deste trabalho Resistência de Isolamento Devido a características de projeto do estator, este é dividido em dois sistemas trifásicos, denominados S1 (Sistema 1) e S2 (Sistema 2). Então, cada sistema terá os valores de resistência de isolamento avaliados separadamente Resistência de Isolamento S1 (Sistema 1) De acordo com o espaço amostral definido, foi utilizado o Minitab 16 para aplicação do teste de normalidade (Shapiro-Wilk), a fim de verificar se os dados de resistência de isolamento S1 apresentam normalidade e obter a média amostral. A comprovação de normalidade será através do p-valor da amostra que deverá ser > 0,05. Aplicado o teste e visto que o p-valor obtido da amostra foi 0,065, verifica-se que, a um nível de confiança de 95%, pode-se comprovar que os dados desta amostra apresentam normalidade, podendo posteriormente aplicar-se o Teste t para comparação entre médias. Analisando o gráfico, a média amostral obtida foi de 306,4MΩ (Figura 4.10). 67

82 Percentual Capítulo 4 Estudo de caso Gráfico de Normalidade RI S1 Antes Normal Mean 306,4 StDev 142,2 N 21 RJ 0,955 P-Value 0, RI S1 Antes Figura 4.10: Gráfico de normalidade RI-S1 antes do FMEA Fonte: Gerado pelo software Minitab 16, Para os demais valores de resistência de isolamento S2, capacitância S1 e S2 e horas trabalhadas foram utilizados os mesmos conceitos estatísticos acima Resistência de Isolamento S2 (Sistema 2) De acordo com o espaço amostral definido, foi utilizado o Minitab 16 para aplicação do teste de normalidade (Shapiro-Wilk), a fim de verificar se os dados de resistência de isolamento S2 apresentam normalidade e obter a média amostral. A comprovação de normalidade será através do p-valor da amostra que deverá ser > 0,05. Aplicado o teste e visto que o p-valor obtido da amostra foi 0,055, verifica-se que, a um nível de confiança de 95%, pode-se comprovar que os dados desta amostra apresentam normalidade, podendo posteriormente aplicar-se o Teste t para comparação entre médias. Analisando o gráfico, a média amostral obtida foi de 283,9MΩ (Figura 4.11). 68

83 Percentual Capítulo 4 Estudo de caso Gráfico de Normalidade RI S2 Antes Normal Mean 283,9 StDev 124,0 N 21 RJ 0,953 P-Value 0, RI S2 Antes Figura 4.11: Gráfico de normalidade RI-S2 antes do FMEA Fonte: Gerado pelo software Minitab 16, Capacitância Devido a características de projeto do estator, este é dividido em dois sistemas trifásicos, denominados S1 (Sistema 1) e S2 (Sistema 2). Então, cada sistema terá os valores de capacitância avaliados separadamente Capacitância S1 (Sistema 1) De acordo com o espaço amostral definido, foi utilizado o Minitab 16 para aplicação do teste de normalidade (Shapiro-Wilk), a fim de verificar se os dados de capacitância S1 apresentam normalidade e obter a média amostral. A comprovação de normalidade será através do p-valor da amostra que deverá ser > 0,05. Aplicado o teste e visto que o p-valor obtido da amostra foi > 0,100, verifica-se que, a um nível de confiança de 95%, pode-se comprovar que os dados desta amostra apresentam normalidade, podendo posteriormente aplicar-se o Teste t para comparação entre médias. Analisando o gráfico, a média amostral obtida foi de 0,74μF (Figura 4.12). 69

84 Percentual Capítulo 4 Estudo de caso Gráfico de Normalidade C S1 Antes Normal Mean 0,7424 StDev 0,03448 N 21 RJ 0,987 P-Value >0, ,650 0,675 0,700 0,725 0,750 C S1 Antes 0,775 0,800 0,825 Figura 4.12: Gráfico de normalidade C-S1 antes do FMEA Fonte: Gerado pelo software Minitab 16, Capacitância S2 (Sistema 2) De acordo com o espaço amostral definido, foi utilizado o Minitab 16 para aplicação do teste de normalidade (Shapiro-Wilk), a fim de verificar se os dados de capacitância S2 apresentam normalidade e obter a média amostral. A comprovação de normalidade será através do p-valor da amostra que deverá ser > 0,05. Aplicado o teste e visto que o p-valor obtido da amostra foi > 0,100, verifica-se que, a um nível de confiança de 95%, pode-se comprovar que os dados desta amostra apresentam normalidade, podendo posteriormente aplicar-se o Teste t para comparação entre médias. Analisando o gráfico, a média amostral obtida foi de 0,74μF (Figura 4.13). 70

85 Percentual Capítulo 4 Estudo de caso Gráfico de Normalidade C S2 Antes Normal Mean 0,7433 StDev 0,03291 N 21 RJ 0,976 P-Value >0, ,650 0,675 0,700 0,725 0,750 C S2 Antes 0,775 0,800 0,825 Figura 4.13: Gráfico de normalidade C-S2 antes do FMEA Fonte: Gerado pelo software Minitab 16, Horas trabalhadas As horas trabalhadas correspondem ao tempo em horas que o aerogerador realizou trabalho no parque eólico antes de sua parada por uma falha, o deixando indisponível para geração de energia. De acordo com o espaço amostral definido, foi utilizado o Minitab 16 para aplicação do teste de normalidade (Shapiro-Wilk), a fim de verificar se os dados de horas trabalhadas apresentam normalidade e obter a média amostral. A comprovação de normalidade será através do p-valor da amostra que deverá ser > 0,05. Aplicado o teste e visto que o p-valor obtido da amostra foi > 0,100, verifica-se que, a um nível de confiança de 95%, pode-se comprovar que os dados desta amostra apresentam normalidade, podendo posteriormente aplicar-se o Teste t para comparação entre médias. Analisando o gráfico, a média amostral obtida foi de 6.438h (Figura 4.14). 71

86 Percentual Capítulo 4 Estudo de caso Gráfico de Normalidade Horas Trabalhadas Antes Normal Mean 6438 StDev 2170 N 21 RJ 0,965 P-Value >0, Horas Trabalhadas Antes Figura 4.14: Gráfico de normalidade horas trabalhadas antes do FMEA Fonte: Gerado pelo software Minitab 16, Apresentação dos resultados De acordo com os cálculos realizados anteriormente, a Tabela 4.3 apresenta, de forma geral e resumida, os valores da média referente às horas trabalhadas, resistência de isolamento S1 e S2 e capacitância para S1 e S2, respectivamente. Os valores das medianas foram obtidas através dos gráficos box-plot que serão apresentados posteriormente na seção 4.8. Tabela 4.3: Disposição dos dados antes do FMEA Fonte: Esta Pesquisa, Antes do FMEA Descrição Horas Trabalhadas (h) RI-S1 (MΩ) RI-S2 (MΩ) C-S1 (µf) C-S2 (µf) Média ,4 283,9 0,74 0,74 Mediana ,6 223,1 0,73 0,73 72

87 Capítulo 4 Estudo de caso 4.6 Aplicação do FMEA no processo de montagem do estator Introdução Conforme apresentado na seção 4.4 referente às falhas ocorridas no subsistema estator, foi adotado a aplicação da metodologia FMEA para identificar funções, falhas, modos de falhas, efeitos e riscos com o objetivo de eliminá-los ou reduzí-los. O FMEA foi aplicado no processo de montagem do estator com foco nas etapas de interconexão e impregnação verificadas anteriormente na seção 4.5, devido apresentarem as ocorrências de curto circuito nos anéis e na ranhura, o que provocaram a indisponibilidade do aerogerador no parque eólico. Os objetivos com a aplicação do FMEA para este trabalho foi verificar as falhas potenciais que trouxeram resultados desfavoráveis ao subsistema em questão, devido à gravidade e a freqüência com que ocorreram. Estas falhas que apresentaram severidade e ocorrência altas foram tratadas especificamente ( de forma especial ), buscando a identificação de suas causas comuns. Agindo desta maneira, permitiu ao time um direcionamento eficaz referente às ações a serem seguidas, favorecendo as melhorias dos valores de resistência de isolamento e capacitância na fábrica e das horas trabalhadas no parque. O time foi composto por integrantes das áreas de Engenharia de Produto e Processo, Controle da Qualidade, Produção, Manutenção e por um especialista externo em máquinas elétricas. O FMEA teve como líder o coordenador de engenharia com a função de gerir as reuniões, documentações e outras atribuições inerentes a função do líder. Os documentos afetados para este processo foram as especificações técnicas e desenhos técnicos de engenharia, folhas de processos ou instruções de trabalhos e planos de inspeção e teste. De acordo com Palady (1997), existem dois tipos de abordagens utilizadas na construção do FMEA, sendo estas a tradicional e a nova abordagem. A tradicional, também conhecida como reativa, prioriza a utilização do NPR no processo decisório, o que pode levar ao time tomar decisões escolhendo um modo de falha que seja menos crítico que os demais. A nova abordagem, também conhecida como proativa, prioriza a utilização dos mais altos graus de severidade e os mais altos índices de ocorrência para avaliar e selecionar os modos de falhas que apresentam prioridade para tratamento através da utilização do gráfico de áreas e matriz de investigação. A metodologia FMEA adotada para este trabalho foi baseada no método proativo para priorização dos modos de falha. 73

88 Capítulo 4 Estudo de caso Elaboração do FMEA Palady (1997) sugere algumas etapas para elaboração do FMEA com o apoio de algumas ferramentas, sejam elas da qualidade ou não, buscando um direcionamento para o desenvolvimento destas etapas. A decisão de seguir ou não esta proposta será do time, ou seja, a forma de como será conduzida a elaboração do FMEA será avaliada e decidida entre os integrantes do time. A estratégia utilizada pelo time para elaboração do FMEA neste trabalho é definido conforme a Figura 4.15, visto que seguido este fluxo, tem-se a garantia da identificação das causas básicas que contribuem para um modo de falha. Figura 4.15: Etapas de elaboração do FMEA Fonte: Esta Pesquisa, Formulário FMEA O processo de aplicação do FMEA iniciou-se através da definição de alguns requisitos como o subsistema estudado, objetivo, determinação das pessoas do time, documentos afetados, datas de início e fechamento, etc. definidos na seção anterior e preenchidos através de um formulário que serviu de base para acompanhamento e documentação válida para o andamento do trabalho. A estrutura deste formulário foi definida através da utilização das referências bibliográficas citadas neste trabalho, que serviram de base para a criação customizada do formulário de maneira que a coleta dos dados seja simplificada e eficiente (Ver Apêndice). 74