A análise da Árvore de Falha (AAF) ou Fault-Tree Analysis (FTA) busca a identificação de perigos e riscos a partir de um evento escolhido. Isto é, a técnica visa estabelecer combinações de falhas e condições que poderiam causar a ocorrência desse evento.
É, portanto, definida como dedutiva, podendo ser de grandeza qualitativa e/ou quantitativa, tendo como objetivo a construção de um sistema. Desse modo, a representação (ou o sistema) parte do evento específico ou de topo, e o desdobra sequencialmente para mapear os eventos que o produziram.
Para que serve a Análise da Árvore de falhas?
A AAF é uma ferramenta de mapeamento de possíveis cenários. Dessa forma, auxilia a gestão de ativos, ao documentar as possíveis falhas e mapear a probabilidade de ocorrência. Assim, aliado ao conceito de criticidade, o gestor pode tomar decisões sobre a escolha em relação ao modelo de manutenção, por exemplo, entre uma série de outras questões. Dessa forma, a AAF contribui para:
- Entender como o sistema pode falhar;
- Estimar a frequência de acidentes;
- Identificar meios para reduzir o risco;
- Determinar os riscos associados ao sistema;
- Diagnosticar a causa raiz da falha.
O mapeamento serve, portanto, para aumentar a conformidade com normas de segurança ao fornecer meios que evitem ou reduzam o risco de possíveis acidentes. Além disso, a técnica permite perceber a relação entre falhas e subsistemas, bem como a probabilidade desses problemas ocorrerem. Esse conjunto de informações permite estabelecer prioridades e como consequência implementar mudanças ao projeto.
A AAF pode utilizar conceitos de probabilidade e estatística, tornando-se quantitativa. Isto é, o diagrama além de apresentar o mapeamento lógico da falha, também está baseada em percentuais e cálculos da probabilidade de ocorrência. Por isso, é uma das formas mais comuns para conduzir uma avaliação probabilística de risco ou de segurança, que é uma abordagem sistemática que permite estimar os riscos, a probabilidade de ocorrência e a magnitude das consequências.
Como aplicar a técnica? A análise de causa raiz
O primeiro passo para montar uma AAF é selecionar o evento de interesse. Primeiro, é interessante mapear quais são os eventos comuns nas máquinas industriais, que pode ser um aquecimento, um desbalanceamento e etc.
Em seguida, o caminho é construir os níveis subsequentes ou ramos, identificando falhas que podem causar a ocorrência em questão. Nesta etapa é importante mapear as possíveis falhas, sejam elas aleatórias de componentes, de modo comum, humanas ou até mesmo a indisponibilidade do equipamento.
A AAF possibilita o cálculo de probabilidade de ocorrência de eventos básicos, cuja frequência é conhecida e geralmente disponível em banco de dados. A partir dessas informações é possível construir o diagrama seguindo uma sequência lógica.
Este tipo de diagrama aplica uma lógica booleana, em que os eventos estão ligados por portas lógicas (“e”, “ou”). Além disso, a estrutura é composta por símbolos representando cada um dos eventos que pode causar a falha. Veja um exemplo de construção:
Modelo de árvore de falhas
No diagrama, a falha ou “não-função” ocorre em decorrência da presença de qualquer um dos eventos intermediários ou grupos de corte. Nesse modelo, a AAF é composta por dois níveis hierárquicos apenas.
O primeiro nível hierárquico é formado pelos grupos de corte, conectados ao evento de topo por meio de uma porta lógica “OU”. Nessa parte do diagrama, se ocorrer alguma das possibilidades (C1 ou C2, no exemplo) há a possibilidade de ocorrência do próximo cenário.
Já o segundo nível hierárquico é formado pelos componentes de cada grupo de corte, conectados ao primeiro nível através de um conjunto de portas lógicas “E”. Assim, para que Grupo de Corte falhe é preciso que ocorra a falha de todos os seus componentes.
Por exemplo, a parada da bomba pode ocorrer se houver qualquer um dos seguintes eventos básicos não detectados: desalinhamento, desgaste de rolamentos, lubrificação inadequada, obstrução, desgaste de selos, falha nos componentes eletrônicos ou cavitação. E para que haja qualquer um desses eventos, é necessária uma combinação de fatores. Esse é um exemplo de análise da árvore de falhas, útil para descobrir a causa da anomalia.
A árvore de falhas ilustra, no exemplo, como a falha da bomba pode resultar de várias condições não detectadas. Assim, ressalta-se a importância da manutenção preditiva para monitorar e identificar precocemente essas falhas potenciais antes que provoquem uma parada não planejada.
Quando usar a árvore de falhas em manutenção?
A AAF é usada para fazer uma avaliação probabilística de risco, por isso é aplicada principalmente em indústrias ou para ativos de alto risco. A título de curiosidade, a AAF ou FTA (em inglês) é um método utilizado pela NASA em seus processos e estudos. Inclusive, ela lançou um livro de aplicação do método no setor aeroespacial.
No caso da indústria, e em especial da manutenção, a AAF tem uma série de aplicações extremamente úteis. Por exemplo, quando há uma parada inesperada, ou uma falha que quase provoca uma parada, é importante corrigi-la, claro, mas também analisar o que levou ao problema. Caso contrário, o erro vai persistir.
Assim, a análise da árvore de falhas é útil para investigar o problema. Isto é, descobrir a causa raiz, o que permite planejar com maior precisão as estratégias de manutenção, bem como calcular o risco associado a um ativo. Como consequência, é possível aumentar a disponibilidade e a confiabilidade da planta.
A AAF é um método bastante eficaz, mas também possui suas limitações. Por isso, é importante que o responsável pela gestão de ativos utilize sistemas completos que abranjam desde o monitoramento até a elaboração de diagnósticos a partir dos dados coletados.
Nesse sentido, a Solução Dynamox é a escolha mais adequada para uma gestão efetiva e ágil. Afinal, nossos sensores e gateway (certificados Ex) são indicados para indústrias de alto risco e ativos de alta criticidade, uma vez que coleta dados em tempo real e permite a análise dessas informações em uma plataforma prática e visual.
Conheça a plataforma e o módulo de diagnóstico automatizado da Dynamox:
DynaPredict: Solução de Manutenção Preditiva Integrada da Dynamox (2023) – YouTube