Metodos paraT2-S1 Paper

1
Simpsio Internacional de
Confiabilidade
Florianpolis, 2008
Confiabilidade Humana :
nova metodologia de
anlise qualitativa e
quantitativa.
Prof. Dr. Carlos Amadeu Pallerosi
UNICAMP ( Aposentado )
SIC 2008 Confiabilidade humana : nova metodologia de anlise qualitativa e

quantitativa
2
Fig. 1.1 - Variao da Confiabilidade e da

Desconfiabilidade Humana ao longo do
1. DEFINIES E PRINCPIOS BSICOS cumprimento de uma misso.
Princpio bsico : No existem pessoas

A determinao da Confiabilidade
prova de falhas, ou seja, todos ns falhamos (
Humana uma conseqncia lgica do
muito ou pouco ) no cumprimento de uma
estudo da Confiabilidade dos equipamentos,
tarefa.
reconhecendo-se que o homem falha, e que
estas falhas podem ser classificadas,
Ao contrrio dos equipamentos, que se
quantificadas e matematicamente analisadas
degradam ao longo do tempo, espera-se que
por meio de uma adequada distribuio
:
estatstica.
A Aptido ( inata ),
Confiabilidade Humana ( R H ) a
O Treinamento ( aprendizado ),
Probabilidade de que uma pessoa no falhe
A Experincia ,
no cumprimento de uma tarefa ( ao )
A Idoneidade ( correo ) das pessoas
requerida, quando exigida,
,
em um determinado perodo de
reduzam as falhas humanas ao longo do
tempo;
tempo .
em condies ambientais apropriadas
com recursos disponveis para execut-
la. APTIDO TREINAMENT EXPERINCI
O A
Por ser uma probabilidade, ela pode ser
quantificada como ser apresentado no Cap. JULGAMENT CUMPRIMENT
3 , ou seja , variar de 0 % a 100 % ( valores O O
limites ), com uma correspondente
Desconfiabilidade ou probabilidade de falha (
F H ), satisfazendo a relao Estas condies levam s seguintes premissas
bsicas :
RH = 1 - F H Errar " humano ".

( 1.01 ) As falhas podem ser previstas e
quantificadas.
como apresentado na Fig. 1.1. A qualificao humana para as funes
o elemento bsico para o desempenho
RH funcional e operacional das tarefas a
1 serem cumpridas.
Os fatores limitantes para o desempenho (
pessoais, ambientais, sociais, etc. ) devem
ser considerados.
0
2. CLASSIFICAO DAS FALHAS
Durao da HUMANAS
FH
1
2.1 CLASSIFICAO BSICA
As Falhas humanas, como apresentado na

Fig. 2.1 podem ser classificadas em Erros e
0 Transgresses, que ocorrem durante a
Durao da execuo das tarefas ( misses ).

quantitativa
3
Os Erros podem ser classificados em Deslizes

e Enganos ( Fig. 2.2 ) e as Transgresses em
Intencionais e No intencionais ( Fig. 2.3 ). Estressamento, que mesmo sendo desejado
Esta classificao serve para facilitar a em nveis adequados, como ser definido e
codificao dos eventos em um Banco de apresentado no Cap. 6 ), deve ser distinguido
dados, por sua simplicidade e aplicao do Cansao devido a aes prolongadas, em
generalizada. Outros tipos de classificaes ambientes inadequados ou jornadas
podem ser admitidas, conforme os objetivos prolongadas. A Senilidade ( degradao,
da anlise das falhas. envelhecimento ) mental outro fator para a
induo dos Deslizes, pela reduo da
capacidade neural por degradao
contnua, progressiva ou doena.
FALHAS
Inaptido fsica ou mental, geradora de

ERROS TRANSGRESSE grande parte das falhas humanas para tarefas
no condizentes com suas capacidades
inatas, mesmo aps sucessivos treinamentos.
DESLIZES ENGAN Pode-se imaginar um jogador de vlei ou
OS basquete de pequena estatura e obeso,
sendo treinado para um grande time. Nenhum
INTENCIONAIS NO
INTENCIONAIS procedimento seria capaz de torn-lo um
campeo. Por outro lado, os aspectos
Fig. 2.1 - Classificao bsica das falhas Cognitivos, como ser apresentado no Cap. 5,
humanas. tm grande significado pois parmetros fracos
induzem a falhas principalmente por retardo
nas decises. Por exemplo, pessoas com
2.2 CLASSIFICAO DOS ERROS dificuldade para decidir uma ultrapassagem
de um veculo frente, por dificuldade de
ponderar distncias, velocidades e potncia
Os Erros humanos , devidos principalmente do veculo.
a falta de conhecimento, lgica e razo,
como apresentado na Fig. 2.2 ,
correspondem a Deslizes e Enganos. Eles
constituem a principal parcela das falhas
humanas, pois dependem fundamentalmente
da capacidade para executar a misso, do
estressamento, das condies ambientais e
sociais, da motivao na execuo da tarefa,
e outros fatores. DESLIZES
Ocorrem apesar de possuir a

capacidade requerida para executar a
Conhecimento, Lgica, ERRO
Estresse , cansao.
Senilidade.
2.2.1 DESLIZES Inaptido fsica ou
mental.
Os Deslizes ( Fig. 2.2 ) ocorrem mesmo
possuindo a capacidade requerida para a Fig. 2.2 - Classificao dos Deslizes
execuo da misso. A capacidade total
nunca atingida pelo ser humano, pela
natural complexidade das aes envolvidas, 2.2.2 ENGANOS
mesmo com um excelente preparo (
aprendizado bsico e continuado ). Eles so Os Enganos ( Fig. 2.3 ) correspondem a
causados principalmente por : falhas humanas na execuo de uma
quantitativa
4
determinada misso ( ou ao ) conforme mazelas humanas do que propriamente a

padres e ou Normas estabelecidas, capacidade fsica e mental para a execuo
principalmente em atividades complexas, da misso. Elas existem at mesmo em
com sequenciamentos de aes e animais como ces e gatos, que transgridem
procedimentos. o caso da decolagem de regras por acreditarem na impunidade da
uma jato comercial em um aeroporto com ao ou por desconhecerem as
grande movimento e condies adversas do conseqncias advindas dos seus atos.
tempo ( chuva, neve, etc. ) , ou o
simples comando de uma mquina com
vrios botes e alavancas. INTENCIONAI
As principais causas dos Enganos

correspondem s condies : Transgride por acreditar
na impunidade
Falta de Aptido ( inata ) que conduz a
freqentes erros de procedimentos.
Falta de Treinamento por aprendizagem Falta de
responsabilidade
inadequada ou insuficiente, que geram
.
enganos nas decises. Esperteza.
Falha no Diagnstico ( julgamento ) devido i
a aspectos Cognitivos ( ver Cap. 5 ).
Fig. 2.4 - Classificao e principais causas das
Transgresses humanas.
ENGANO
2.3.1 TRANSGRESSES INTENCIONAIS
Falha na execuo da
tarefa Suas ocorrncias so fundamentalmente
( conforme padres e devidas certeza da impunidade do ato
normas ). praticado, ou uma sano leve da ao
i i indevidamente realizada. O autor tem plena
conscincia da ao, e so devidas
Falta de aptido ( inata ). principalmente aos seguintes fatores :
Falta de treinamento (
aprendizagem ) . Falta de responsabilidade, pois acredita
Falha no diagnstico ( que a conseqncia da ao pode ser
transferida a outra pessoa ( chefe, pais ) ou
Fig. 2.3 - Classificao dos Enganos. mesmo a uma organizao ( sindicato,
partido poltico, etc. ).
Esperteza, por julgar que a ao passar
despercebida, correspondendo geralmente
ao " idiota sabido " .
2.3 CLASSIFICAO DAS TRANSGRESSES Ambio, por acreditar que gerar um
ganho pessoal ou financeiro.
As Transgresses so devidas a falhas Outros fatores imponderveis que levam s
comportamentais, classificadas em transgresses.
Intencionais e No-intencionais, como
apresentado na Fig. 2.4. 2.3.2 TRANSGRESSES NO-INTENCIONAIS
Suas principais ocorrncias so devidas

Comportamen TRANSGRESSES falta de conhecimento das regras inerentes
misso ou ao comportamento esperado no
decorrer das aes, geradas por :
Quando possvel, elas devem ser
separadas dos Erros para as anlises Motivos culturais e sociais, em ambientes
quantitativas, pois basicamente dependem diferentes de sua vivncia anterior. Por
de fatores especiais e muitas vezes difceis de exemplo, jogar lixo no cho do ambiente
serem identificados, pois representam mais as
quantitativa
5
de trabalho, quando anteriormente viveu A memria pode ser dividida em duas

em locais sujos e degradados. partes principais, ou sejam
No sabe julgar as conseqncias dos seus
atos, para ele normal e aceitvel. a ) LGICA : Capacidade de armazenar e
processar grande nmero de informaes, e
3. ATIVIDADES SENSORIAIS E fazer julgamentos.
COGNITIVAS b ) PERCEPO ( Cognitivos ) : Capacidade
de coordenar movimentos, considerar
3.1 ATIVIDADES SENSORIAIS posies, seqncias, etc.
Na natureza, as atividades sensoriais so A capacidade neural dos seres humanos

diferenciadas por sobrevivncia e superior a de todos os outros seres vivos e
desenvolvimento das espcies ( Darwin ), tende a aumentar com o decorrer dos
como opor exemplo : tempos ( evoluo natural por demanda ).
Cachorro, tubaro : olfato apurado. A memria humana pode armazenar e

Morcego : radar para vo noturno. reaver ( reativar ) uma grande
guia, falco : viso a grandes distncias. quantidade de informaes ( dados ) e
Insetos : adaptao a ambientes diversos, sensaes por meio de trs sub-sistemas
venenos. bsicos:
Os seres humanos distinguem-se Memria Sensorial, atravs dos estmulos

principalmente pela inteligncia e sensoriais, em intervalos de tempo menores
alimentao variada ( onvoros ). Os golfinhos que 1 segundo. Em situaes de perigo os
so onvoros, pois alimentam-se de algas, estmulos so quase imediatos.
peixes, crustceos, etc. , e os macacos ( Memria de curta durao ou transitria,
principalmente os chimpanzs ) alimentam-se semelhante dos computadores, retendo
de vegetais, frutos, insetos, pequenos animais, as informaes por um dado perodo de
etc. Por isso, possuem razovel capacidade tempo, sendo apagadas por irrelevncia
mental e de sobrevivncia. ou incapacidade neural transitria.
Memria de longa durao ou permanente,
As atividades humanas so baseadas em que permite a reteno de informaes
recursos cerebrais e estmulos sensoriais relevantes por longas duraes, quase a
adequados, classificados basicamente em : vida inteira.
1. ESTMULOS SENSORIAIS Com a progressiva idade as pessoas

passam a ter dificuldade de reter novas
VISO : Cores , brilhos, formas, tamanhos, informaes ( memria recente ) e capazes
campo de ao ( 130 o vertical, 160 o de relembrar fatos muito distantes, com
horizontal ) , espectros. detalhes, da infncia. Os motivos das falhas
humanas por eliminao de informaes ou
AUDIO : Entre 20 e 20000 Hz. falta de reteno, so objeto de muitos
OLFATO E PALADAR : Odores, sabores. estudos atuais, dada a enorme complexidade
do crebro humano, podendo serem
TATO : Temperatura, vibrao, choques. classificadas em 4 tipos bsicos:
Embora inferior a muitos outros animais,
estas atividades so compensadas pela
inteligncia humana em criar sensores e outros 1. Erros de reteno , com armazenamento
dispositivos que as complementam, por incorreto da informao.
exemplo , visualizar cores ( 2. Erros de julgamento ( cognitivos ) , na
infravermelho e ultravioleta ) e ouvir sons em progresso de uma seqncia de aes
baixa ou alta freqncia. na misso.
3. Erros de discriminao , por estmulo
sensorial inadequado .
2. MEMRIA 4. Erros de ordenamento seqencial , com
resposta incorreta.

quantitativa
6
- Anlise sensorial : viso da posio dos

Estes erros devem ser considerados veculos frente e em direo oposta,
principalmente no aprendizado e na seleo distncias, velocidades (
das pessoas para a correta execuo das cinestesia ).
misses. - Processamento : potncia do veculo,
marcha engatada correta.
- Julgamento : possvel a ultrapassagem.
3.2 AES COGNITIVAS
- Ao : decidir ultrapassar o veculo frente.
So inerentes a todos os seres vivos, - Resposta : acelerar e adentrar a pista lateral.
inclusive vrus, bactrias, vegetais e outros.
Significam a capacidade de resposta a um
estmulo, como apresentado na Fig. 3.1.
Ocorre uma falha humana por razes
Cognitivas, quando o operador ( executor ) : Ultrapassar o
No percebe o estmulo sensorial ( Ex. :
aquecimento do equipamento ) . Anlise
No possui capacidade para uma correta
discriminao do estmulo ( Ex. : frio ou Processamento
quente ? ). dos dados /
Interpreta erroneamente o estimulo ( Ex. : j l t
est quente ).
No sabe a resposta ao estmulo ( Ex. : N Deciso SIM
desligar o equipamento ).
inapto para decidir a melhor ao ( Ex. : O
no aciona a manuteno ). Existe risco
procedimento
A ao efetuada fora da seqncia
lgica ( Ex. : inverso de marcha ou Aguardar
posio ). outra Ultrapassar
Fig. 3.2 - Exemplo de ao cognitiva (

ESTMULO ultrapassagem de um veculo ).
3.3 ASPECTOS COGNITIVOS DA REAO

ANLISE PROCESSAMENTO A ESTMULOS
AO
SENSORIAL /
MEMRIA
Os principais aspectos cognitivos das
atividades ( reaes ou abstenes )
RESPOSTA
humanas correspondentes a estmulos ou
bloqueios, so:
Fig. 3.1 - Resposta a estmulos ( aspecto AO DEFENSIVA : Passa a deciso para

cognitivo ) outra pessoa ( no quer correr riscos, ser
sempre simptico ... ).
CONFORMIDADE DE GRUPO : Proteo
Um exemplo de ao cognitiva do consenso do grupo, ignorando
apresentada na Fig. 3.2 , referente a uma informaes externas que podem
ultrapassagem de um veculo frente, onde o eliminar o consenso. sempre solidrio
motorista deve considerar vrios fatores para com o grupo.
tomar a deciso. RISCO : Em grupo assume riscos que
no faria individualmente. Levanta o
- Estmulo : reduzir o tempo de viagem. brao em assemblia sindical mesmo no
concordando com a deciso que sabe
ser errada ou inoportuna.
quantitativa
7
INCAPACIDADE MENTAL TEMPORRIA : As Mquinas devem ser adaptadas ao

Em momentos de crise ( acidentes, etc. ) homem, e no o contrrio ( o homem ser
muda da condio de sub - estmulo a adaptado mquina ).
super - estmulo . Em caso de perigo grita O Homem um pssimo operador e,
por socorro e no executa nenhuma comparao as mquinas, que podem
ao. realizar milhes de operaes sem erros
CONCENTRAO : Capacidade seqenciais, de lgica, de posio, etc., e
reduzida substancialmente com o serem adaptadas a fatores ambientais
estressamento. Em situao adversa adversos ao homem.
perde substancialmente a capacidade
Os Controles devem ser adaptados ao
de concentrao.
homem, dentro de suas capacidades
RIGIDEZ : Insistncia na utilizao de
fsicas, mentais e sensoriais.
solues e aes que no
necessariamente so as mais eficientes. Os Visualizadores devem permitir um fcil
Est sempre amarrado ao passado, a entendimento das aes efetuadas e por
uma religio, a alguma coisa que realizar, ou seja, serem interfaces "
justifique suas aes. amigveis ".
POLARIZAO : Atuao atravs de Sempre existir uma degradao ao longo
uma nica causa global e no por uma do tempo, em todos os componentes do
combinao lgica de causas. Est sistema, ou seja, no existe um sistema sem
sempre com a razo, o rei da selva ... falhas.
SUPERFICIALIDADE : As aes ( e Os fatores ambientais ( umidade,
pensamentos ) ficam acima das questes temperatura, rudos, iluminao, radiaes,
reais, tratando-as de modo superficial e etc., ) afetam significativamente a
mesmo inconseqente. Fica sempre nas Confiabilidade do sistema homem-
nuvens ... mquina.
INSISTNCIA : Algumas aes so
aplicadas em excesso, envolvendo at
pequenos detalhes sem importncia, em
detrimento de aes mais importantes. MQUINA
ANCORAGEM : Procura informaes e
( EXECU O )
realiza aes que acredita confirmar sua
hiptese inicial, ignorando informaes
que a contradizem ( efeito " tnel CONTROLES PAINEL
DEGRADAO
" ). ( AES ) ( VISUALIZAO )
4. RELAO HOMEM - MQUINA

HOMEM
( MONITOR )
4.1 CONCEITOS BSICOS FATORES AMBIENTAIS
O sistema Homem - mquina constitudo Fig. 4. 1 - Componentes e fatores do sistema

pelos seguintes componentes bsicos : Homem - Mquina.
Algumas caractersticas bsicas devem ser

A Mquina como operadora ( executora ) consideradas no projeto ( concepo ) e uso
das aes. do sistema Homem - Mquina, principalmente
O Homem como criador e monitor ( quanto ao Operador, ao Executor e as
supervisor ) dos sistemas. condies complementares de uso , tais como
Os Visualizadores das aes ( painis, :
displays )..
Os Controles das aes sobre a mquina e
os produtos gerados. Operador do sistema : aptido ( vocao )
para a tarefa, experincia anterior,
inseridos e afetados por fatores ambientais, treinamento adequado, personalidade ,
como apresentado na Fig. 4.1, e satisfazendo interesse e caractersticas fsicas
os seguintes princpios bsicos : adequadas, estresse e outros.

quantitativa
8
Mquina : projeto adequado dos controles

e painis, ferramental de apoio, layout da Umidade Relativa ( % )
80
maquina e do local de trabalho,
mantenabilidade do sistema, capacidade
produtiva, canais de acesso s informaes 60 mido
Confor
e comunicao, superviso, planejamento tvel
da produo, e outros.
Ambiente : superviso, procedimentos 40 Seco
administrativos, carga de trabalho, fatores

ambientais ( temperatura, etc. ),
20
rotatividade nas misses, e outros. Frio Quente
0
4.2 PRINCIPAIS CONDIES PARA 0 10 20 30 40
MELHORIAS 50
Temperatura ambiente [
Fig. 4.2 - Temperatura e umidade relativa do

O sistema Homem - Mquina pode ser
ar ambientes, para conforto humano.
significativamente melhorado por aes e
procedimentos, tais como :
Ambiente.
Assimetria e posies.
Monitorao.
Estmulos.
a ) Painel de controle
Projeto adequado.
Processo sob controle.
Superviso. Liga
Gerenciamento.
Desliga Desliga Liga
a seguir descritas, de modo resumido .
Posio Posio
4.2.1 PROJETO CONSIDERANDO O AMBIENTE DO
OPERADOR b ) Interruptor de lmpada
Fig. 4.3 - Assimetria de formas e posies

Admitir capacidades e limitaes padronizadas.
ambientais. Na Fig. 4.2 apresentada a A padronizao dentro das empresas, nas
regio onde o homem mais adaptado para residncias e nos equipamentos evitam muitos
atuar com conforto ( adaptado de vrias erros humanos, pois existe uma inrcia mental
fontes ), em relao temperatura e a associada a comandos e aes. Por exemplo,
umidade relativa do ar ambientes. ao acionar um boto vermelho o operador
sempre imagina que ele desliga o sistema e
4.2.2 CUIDADOS DE SIMETRIA, POSIO E CORES
nunca um boto verde, ao acionar um dial ou
boto para a direita ( sentido horrio ) ele
Evitar repetio de posies, formas e imagina que aumenta a funo desejada. De
cores, que podem confundir o operador ou frente para duas torneiras, uma de gua
confundi-lo na ao. Na Fig. 4.3.a quente e outra de gua fria, ele sempre
apresentado um Painel de controle com imagina que a fria do lado direito.
assimetria para visualizar a funo. Na Fig.
4.2.3 USO MODERADO DO HOMEM COMO
4.3.b apresentado um simples Interruptor de MONITOR DE SISTEMAS
lmpada eltrica, onde a funo ligar deve
sempre ficar na parte superior quando na O homem no um monitor totalmente
posio vertical, e do lado direito quando na confivel. isento de erros. Quanto mais passivo
posio horizontal, padronizadas. perante o sistema, mais ele tende a distrair sua
ateno. Se ele tem uma funo de

quantitativa
9
retaguarda em situaes de emergncia, ele

deve ser ocupado em tarefas que o O processo de produo uma funo
mantenham sempre alerta e informado o que do sistema homem - mquina , criado para
ocorre com os sistema. atingir dados requisitos de sada ( output )
Deve-se evitar a passividade, a em resposta e certos estmulos de entrada (
monotonia ou o excesso de aes, aplicando input ), admitindo uma perfeita interao do
Sensores onde conveniente. A passividade e a homem com a mquina. Para entendermos
monotonia induzem a falhas.por omisso e o plenamente o fator humano no processo de
excesso por fadiga. Os Sensores substituem produo, devemos considerar que :
com vantagem o ser humano ao atuar em De 25 % a 50 % das falhas que ocorrem
ambientes desfavorveis e com maior no uso dos equipamentos resultam de erros
confiabilidade, se adequados misso. Por humanos.
exemplo, um comandante de um jato em vo
De 50 % a 80 % de todas as falhas so
de longa durao, onde atua o piloto
resultados de execues mal feitas.
automtico, ele sempre ocupado com
verificaes e controles dos indicadores de
rota, motores, comandos e outros, de modo ou seja, as falhas nos equipamentos resultantes
ativo e nunca passivo. de falhas humanas afetam seriamente a
Confiabilidade dos sistemas homem -
4.2.4 TAREFAS INTERESSANTES mquina, que podem anular as vantagens de
um projeto altamente confivel para a
Tarefas enfadonhas, repetitivas e produo.
montonas no so necessariamente
executadas de modo imperfeito, mas sempre Os principais fatores que afetam a
existe a possibilidade de reduo da produo so :
eficincia, que abaixo de um certo nvel pode Erros de execuo.
induzir a erros. Para tarefas longamente Erros de processamento.
repetitivas, prefervel a utilizao de pessoas
com certo retardo mental, que corretamente 4.3.1 ERROS DE EXECUO
treinadas sero muito mais eficientes que
pessoas normais, pois conseguem se alienar O Erro de execuo aquele cometido
com mais facilidade. Por outro lado, pessoas por um indivduo que resulta na falha do
com alto QI no so adequadas para tarefas manufaturado em cumprir a performance
repetitivas ou funes burocrticas. especificada. Ele inclui erros de fabricao,
montagem, teste, transporte, armazenamento,
4.2.5 PROJETO DO PONTO DE VISTA DA etc. Normalmente a Taxa de erro de
MANUTENO
execuo relativamente baixa, menor que
0.05 ( 5 % ). Na Tab. 4.1 so
O projeto dos componentes,
apresentados os valores das estimativas de
equipamentos e sistemas deve ser adequado
erros de execuo, oriundos de vrias fontes.
para uma rpida e correta manuteno.
Obviamente estes erros pode ser reduzidos
bastante comum ser necessrio a
com treinamentos adequados e pessoas com
desmontagem de todo um painel eltrico
aptido para a tarefa.
para trocar apenas uma lmpada, onde seria
possvel sua remoo externa, remover Os Erros de execuo normalmente incluem
grande nmero de componentes do motor de :
um autoveculo, e outras situaes onde as
operaes de manuteno pode induzir a 1. Falhas na fabricao ou montagem do
erros de montagem. Em todos os casos o produto, conforme o projeto, como
projeto deve ter acessibilidade, visibilidade e resultado principalmente das seguintes
intercambiabilidade, dispor de cdigos de aes :
cores, tipos de pinos, tomadas, etc. que
facilitem a manuteno e reduzam os erros Uso incorreto de materiais, componentes ou
humanos. partes ( sub-sistemas ) ;
Ligao incorreta de circuitos ou ligao a
partes no relacionadas ( pertinentes ) ;
4.3 CONFIABILIDADE HUMANA NO Danos nos componentes pelo uso de
SISTEMA HOMEM - MQUINA ferramentas inadequadas na montagem ;
quantitativa
10
Corte de materiais em dimenses erradas ; Erro total = 0,0006 + 0,00003 +0,0003 +

Exposio de componentes a ambientes ou 0,0002 + 0,0005 + 0,04 = 0,04163 ( ~ 4,2 % ).
situaes inadequadas ( choques,
vibraes, poeira, umidade, luz solar, 4.3.2 ERROS DE PROCESSO
radiaes , etc. ) ;
Os Erros de processo so inerentes s
Solda fria, colagem inadequada, fixao
mquinas, no so causados diretamente
frouxa, etc.
pelo operador e so levados ao sistema de
2. Falhas no manuseio incorreto, como produo por deficincias de seu projeto
resultado de inicial ou manuteno. Muitos equipamentos
Queda, quebra, soltamento, de produo no tiveram a ajuda de
posicionamento incorreto, etc. do especialistas em logstica, procedimentos,
componente ou produto ; ferramental e outros, devidos principalmente a
Armazenamento em ambiente inadequado :
ou indesejvel.
Espao inadequado ou layout deficiente ;
Dobrar, amassar, curvar, etc. o
Instrues de montagem e operao
componente durante a produo,
inadequadas ou at mesmo inexistentes ;
manuseio e transporte.
Iluminao, temperaturas e rudos
3. Falhas na inspeo ( controle ) do ambientais fora de padres desejveis ;
equipamento, devidas principalmente a : Mtodos de manuseio, armazenagem ou
Rejeio de componente ou equipamento transporte inadequados ;
bom ; Planejamentos incorretos, de ltima hora ;
Aceitao de componente ou Projeto inadequado, do ponto de vista
equipamento ruim ; humano, das mquinas, ferramentas e
Registro incorreto ou incompleto de dados instrumental de controle ;
ou no detalh-los o suficiente ; Mtodos de trabalho inadequados ou
Falha na execuo da inspeo, ineficientes, principalmente quanto
originando medies erradas ; ergonomia.
CONSIDERAES GERAIS
Tab. 4.1 - Valores indicativos das Taxas de
erros humanos em algumas operaes (
tarefas ) na industria eletrnica. Existem alguns obstculos para a
determinao da Confiabilidade nos sistemas
OPERAES DE FABRICAO TAXAS DE ERROS homem - mquina, devidos principalmente :
E MONTAGEM
A complexidade e subjetividade das
1. Transposio de fios 0,00040 - 0,0008 tcnicas atualmente disponveis ;
( posies ) ( 0,04 a 0,08 % ) A dificuldade em encontrar hipteses que
2. Falta ( omisso ) de 0,00001 - 0,00005 justifiquem o uso de novas tcnicas ;
componentes ( 0,001 a 0,005 % ) Ausncia de banco de dados que auxiliem
a melhora da performance humana ;
3. Uso errado ( troca ) de 0,0001 - 0,0005
componentes ( 0,01 a 0,05 % )
Alem disso, sendo o homem um sistema
4. Uso de componentes 0,0001 - 0,0003 complexo e imprevisvel, apresentando fatores
com valores errados ( 0.01 a 0,03 % ) abstratos como reflexo, julgamento,
5. Solda em excesso 0,00030 - 0,0007 subjetividade, sentimentos ( amor , dio ) e
( 0,03 a 0,08 % ) outros, que contribuem significativamente
6. Buracos nas soldas 0,01 - 0,07 para a performance do sistema homem -
(1a 7%) mquina, as anlises quantitativas no so
fceis e imediatas. Como foi apresentado no
Cap. 2, as falhas humanas so classificadas
Verifica-se nesta tabela que os maiores em falhas e transgresses. As falhas podem ser
erros ocorreram nas operaes de soldagem. quantificadas mas as transgresses so
Considerando-se um dispositivo que imprevisveis por envolverem comportamentos
apresenta todas as falhas indicadas ( itens 1 a no quantificveis ( sociais, econmicos,
6 ), o erro mdio total seria polticos, etc. ) .

quantitativa
11
4.4 PRINCIPAIS CONDIES NOS SISTEMAS CASO 4.01 Comparar a Confiabilidade de

HOMEM-MQUINA um sistema ( sala de controle ) de ativao e
parada automtica dos equipamentos de
As principais condies determinantes da produo de uma fbrica de cimento, com
eficincia dos sistemas homem - mquina , ou sem interveno humana, quando houve
que resumem as anteriormente apresentadas, indicao de superaquecimento em um dos
correspondem principalmente a : mancais do forno rotativo ( quinqlerizao ).
1 . CAPACIDADE PESSOAL Quando existe uma falha detectada nos

1.1 Seleo dos operadores equipamentos, desde a moagem inicial at o
carregamento do cimento ( moinho de bolas,
Habilidade, experincia profissional ;
peneiramento, silos de estocagem
Personalidade, atitude, interesse ;
intermediria, transportadores de correia e
Caractersticas fsicas ( aptides ) .
airslides, silos de homogeneizao, forno
rotativo , moagem final, etc. ), ocorre uma
2. SISTEMAS indicao no painel de controle ( luminosa e
2.1 Projeto dos sistemas sonora ). Neste instante o Computador e ou
Controladores Lgicos Programveis ( CLP )
Concepo dos equipamentos, painis e iniciam a seqncia de parada automtica
controles ; dos equipamentos, em uma ordem
Layout do local de trabalho; preestabelecida e tempos programados de
Recursos de apoio e ferramentas ; desativao.
Consideraes ambientais .
2.2 Operao dos sistemas Situao A : Parada totalmente
Carga de trabalho ; automatizada
Canais de comunicao;
Mantenabilidade dos sistemas . Detectada a falha ( superaquecimento do
mancal do forno rotativo ), o sistema inicia os
procedimentos de parada total da unidade,
3. MODIFICADORES DE CONTEXTO como apresentado na Fig. 5.4, com as
o Superviso e orientao ; Confiabilidades indicadas para cada etapa.
o Procedimentos administrativos, Neste caso o Supervisor aceita o
policiamentos, regulamentos, normas e leis; procedimento e no intervem na deciso.
o Sade e moral , principalmente :
Sistema de Indicao
o Drogas, dietas e repousos. controle de falha do
o Distrao mental ( lazer ). operando mancal
Unidade
Programao de trabalho e rotatividade operando normalment ( alarme )
e
das tarefas; R 2 = 0,950
Estresses ambientais no usuais .
O detalhamento destas condies no Computador Computado

objetivo deste manual. aceita r aciona
a a seqncia Parada geral
4.5 COMPARAO DE SISTEMAS MANUAIS informao de da Unidade
E AUTOMTICOS falsa procedimen
tos
Foi anteriormente apresentado que o de
homem primordialmente um Monitor dos
sistemas e as mquinas atuam como Fig. 4.4 - Confiabilidade das aes no sistema
Operadoras. No exemplo a seguir de parada totalmente automtica.
apresentado um caso prtico observado pelo
autor onde a atuao humana Para a parada totalmente automtica
fundamental, mesmo com sistemas confiveis corresponde uma Confiabilidade total ( R s )
de controle. do sistema ,

quantitativa
12
4
Rs = Ri = 0,990 . 0,950 . 0,900 . 0,995 =
5. CONFIABILIDADE HUMANA EM
i =1 EVENTOS BINRIOS
0,840
5.1 CONCEITOS BSICOS
Situao B : Parada com Superviso
humana O modelo admite que o operador (
homem ) ao executar uma dada tarefa ( ou
As informaes das falhas nos misso ), falhe ou tenha sucesso, ou seja,
equipamentos so verificadas ( confirmadas corresponde a uma operao do tipo Binria
ou no ) e o Supervisor ( Gerente de ( sim / no ). Nestes casos deve-se assumir as
operaes ) toma as decises que julga seguintes condies bsicas para a anlise da
corretas ( aes cognitivas ) , como Confiabilidade Humana :
apresentado na Fig. 4.5 , com as
Confiabilidades indicadas para cada ao O operador observado e corrigido na
humana e do sistema automtico. execuo das tarefas, at que a execuo
seja plenamente correta, correspondente a
Sistema de Indicao Supervisor uma dada Confiabilidade ( R ).
controle de falha no aceita Qualquer procedimento de melhora para
Unidade operando do e verifica a tarefa executada deve alterar ( ou no )
operand normalment mancal a a Confiabilidade inerente misso, ou seja,
e ( alarme ) informa
ela resulta nos valores R = 0 ( 0 % ) ou R = 1 (
o
100 % ) em cada tarefa executada.
Quando ocorre um sucesso em qualquer
Confirmada a Supervisor tentativa, no aplicada nenhuma ao
informao falsa desativa a Parada geral
corretiva nos procedimentos utilizados.
do Sensor parada desativada Se a tentativa falha deve ocorrer uma
R 4 = 0,999 automtica ao corretiva para corrigir ( melhorar ) a
Confiabilidade do operador.
Fig. 4.5 - Confiabilidade das aes no sistema Quando a tarefa modificada assume-se
com superviso humana. que existe uma probabilidade ( ) de
incorporao do ajuste efetuado, antes da
Para a parada totalmente automtica prxima tentativa.
corresponde uma Confiabilidade total ( R s ) A probabilidade de falha do operador
do sistema , antes da primeira tentativa corresponde ao
valor P 1 = 0 ( falha ) e aps vrias tentativas
5 ( n ), considerada como final, corresponde
Rs = R i = 0,990 . 0,950 . 0,999 . 0,999 .0,999 ao valor P n = 1 ( sucesso ).
i =1
= 5.2 MELHORA PROGRESSIVA DA
= 0,930 CONFIABILIDADE
Comparando-se os valores das O valor da Confiabilidade Humana,

Confiabilidades totais, verifica-se que a corresponde equao
interveno humana melhorou o R n = 1 - F0 . p ( 1 - . p ) n -1 (
procedimento de parada total ao envolver a 5.01 )
ao humana ( julgamento ).
Nos casos gerais sempre necessria a onde :
atuao humana, mesmo com as possveis n = Quantidade de tentativas de melhora (
falhas a ela pertinentes, ou seja, ao nmero inteiro ).
julgamento. Pode-se imaginar um jato
comercial sem piloto ( ou aes apenas F 0 = Probabilidade de Insucesso (
passivas ), por mais confiveis que sejam os Desconfiabilidade ) na primeira
instrumentos e controle de vo e rota ? tentativa de melhora, ou seja , o
operador inicialmente no
quantitativa
13
plenamente capaz ( confivel ) para

executar a tarefa. ou seja , aproximadamente 15 tentativas (
= Probabilidade de ajuste ( melhora ) do nmero inteiro ) para atingir uma
operador Confiabilidade de 99 %.
nas tentativas de melhora.
p = Probabilidade de Insucesso na ( n - 1 ) Comparando-se com o CASO 5.01 verifica-
sima se que ocorreu um acrscimo de 3 tentativas
tentativa de melhora, ou seja, na para que a Confiabilidade na execuo da
tentativa tarefa aumente de 98,31 % para 99 %.
anterior.
CASO 5.01 Determinar a Confiabilidade de No Cap. 6 da referencia [ 01 ] so

um soldador para executar uma definida apresentadas e comentadas as influncias da
operao de soldagem, aps n = 12 Confiabilidade e dos parmetros.
tentativas ( operaes ), com os parmetros
F 0 = 0,50 , = 0,60 e p = 0,30 . 6. TAREFAS COM POUCAS OU
NENHUMA FALHA
Substituindo-se os valores fornecidos na
equao ( 5.01 ) resulta Este procedimento denominado
Mtodo do Sucesso correspondendo s
R n = 1 - 0,50 . 0,30 ( 1 - 0,60 . 0,30 ) 12 - 1 = tarefas humanas onde ocorrem poucas ou
1 - nenhuma falha durante o perodo prefixado
- 0,15 . ( 0,82 ) 11 = 1 - 0,0167 = de durao da misso, ou seja, a maioria das
0,9831 tarefas completam o teste sem falha ( so
Suspensas ). Deseja-se verificar se o operador
ou seja , aproximadamente 98 % de certeza satisfaz uma dada Confiabilidade ( R ) em
de executar corretamente a tarefa. funo da quantidade de Sobreviventes ( i )
ou " Sucessos ", em uma misso ( lote )
com n tarefas ( ou itens ), testados at uma
5.3 QUANTIDADE DE TENTATIVAS dada durao ( t ), em definidas condies
operacionais e ambientais , com um dado
Nvel de confiana ( C ).
A quantidade ( n ) de tentativas ( tarefas) O Projeto dos ensaios para distribuio
para atingir uma dada Confiabilidade resulta Incgnita ( no-paramtrica ) , ou seja,
da equao ( 5.01 ) posta na forma desconhecida para a tarefa a ser testada,
com poucas falhas ( ou mesmo nenhuma
Ln ( 1 R n ) Ln ( p . Fo ) falha ) observadas, referido a duas
n = +1 (
Ln ( 1 . p ) condies bsicas, como apresentado na
Figura 6.1 :
5.02 )
A Durao do ensaio fixa , previamente
determinada.
CASO 5.02 Determinar a quantidade ( n )
de tentativas com os dados do CASO 6.01 Aplica-se a distribuio tipo Binomial.
para que um soldador , em uma definida
operao de soldagem, atinja a DURAO FIXA
Confiabilidade R n = 0,99 , com os parmetros
F 0 = 0,50 , = 0,60 e p = 0,30 . A durao da tarefa fixa,
correspondendo a ensaios Truncados na
Substituindo-se os valores fornecidos na Durao. O valor da Confiabilidade
equao ( 5.02 ) resulta o valor associado a esta durao ( tempo,
quilmetros, ciclos, etc. ), ou seja, um valor
contratado para esta durao. Esta
n = Ln ( 1 0,99 ) Ln ( 0,30 . 0,50 ) =
Ln ( 1 0,60 . 0,30 ) condio limitante, exigindo uma anlise
Ln ( 0,01 ) Ln ( 0,15 ) = 13,6 + 1 = 14,6 prvia baseada em observaes prticas ou
=
Ln ( 0,82 ) comparao com tarefas similares.. Portanto,

quantitativa
14
o mtodo apresenta uma limitao prtica, e

sua aplicao deve ser bastante criteriosa. r
P(xk)= n . ( 1 - R ) i . R ni 1-C
Normalmente, a durao para demonstrao i
baseada principalmente em misses : i =0
(6.03 )
o Produtos montados em linhas de produo, ou,
com controle de qualidade da operao n!
realizada ( montagem, solda ajuste, P(xk)= .( 1 - R ) i . R ni 1-C
etc. ). i!( n i )!
o Dados de assistncia tcnica ( dados de ( 6.04 )
campo ). referida a um desejado ou prefixado Nvel de
o Vendas de produtos. confiana C = 1 - , onde o risco
associado, em uma misso com " n " tarefas
em teste.
POUCAS OU NENHUMA FALHA
O valor da Confiabilidade R ( Limite
unilateral inferior ) que satisfaz a equao (
BINOMIAL 6.04 ) para o valor i n - 1 pode ser obtido
por mtodos numricos ( soluo exata
1. Quant. de tarefas , n ) ou pela distribuio 2 ( soluo
2. Quant. de falhas , r aproximada ).
3. Nvel de Confiana ,
Quanto maior a quantidade ( n ) de
C
4. Confiabilidade , R tarefas, melhor a preciso obtida, porm seu
valor limitado pelos custos e ou durao dos
testes, como apresentado na Fig. 6.2.
Quanto maior a quantidade de sobreviventes
Quant. de tarefas ( 2 , 3 , 4 ) ( menor quantidade r de falhas ) para uma
n
dada quantidade ( n ) de tarefas, com um
Quant. de falhas (1,3,4)
r
dado Nvel de confiana ( C ), maior o "
Nvel de Confiana ( 1 , 2 , 4 ) sucesso ", definido por um maior valor da
C Confiabilidade ( R ).
O Nvel de confiana ( C ) exerce uma
Fig. 6.1 - Projeto dos ensaios com poucas ou significativa influncia no valor da
nenhuma falha, para distribuio Binomial. Confiabilidade ( R ), correspondendo a uma
diminuio no valor de R com o aumento no
DISTRIBUIO BINOMIAL valor de C, fato que condiciona a aprovao
ou rejeio do operador ( executor ). Altos
O mtodo baseado na distribuio Nveis de confiana ( C > 0,90 ) correspondem
tipo Binomial, onde a Densidade de a significativas redues nos valores da
probabilidade de falha f ( x ) dada por Confiabilidade ( R ). Para valores C > 0,99
os ensaios resultam praticamente inviveis por
f ( x ) = in . ( 1 - R ) i . R n - i ( exigirem quantidades de tarefas ( n ) muito

grandes. Por isso, deve-se tomar especial
6.01 )
cuidado na fixao do seu valor.
com
n = n!
( A metodologia apresentada permite as
i i! ( n i )! seguintes solues dos possveis casos prticos
6.02 ) :
onde a varivel i = 0, 1, 2, ... , n Objetivo Dados necessrios

representa a quantidade de Sucessos, ou seja,
a tarefas sem falhas. Confiab. ( R ) Tarefas ( n ), Falhas ( r ),
Confiana ( C ).
A probabilidade da ocorrncia de i Quantidade Confiab. ( R ), Falhas ( r ),
Sucessos definida pela condio Limite de Tarefas ( n Confiana ( C ).
unilateral inferior, )

quantitativa
15
Quantidade Confiab. ( R ), Tarefas ( n ),

de Falhas ( r ) Confiana ( C ).
Nvel de Confiab.( R ), Tarefas ( n ),
Confiana ( C Falhas ( r )
)
No caso geral de ocorrerem r falhas,

correspondentes a uma quantidade i = n - r
sobreviventes, a equao ( 7.04 ) pode ser
posta na forma simplificada, Fig. 6.2 Influncia da Quantidade de falhas (
r ), das Amostras ( n ) e do Nvel de confiana
( C ) no valor da Confiabilidade ( R ).
n . ( n - 1 ) . ( n - 2 )... ( n - r + 1 ) . ( 1 - R ) r
. R n - r + ... + n . ( 1 - R ) . R n + R n 1 - C
( 6.05 ) Devido a complexidade das equaes
necessrio o uso de um programa
computacional. como apresentado na Fig.
cuja soluo para R indireta, por tentativa
6.3.
e erro, ou ento pelo programa Weibull ++ [ 03
] , que utiliza um procedimento original,
calculando o valor exato, como ser
apresentado no CASO 6.01.
Pode-se obter um valor aproximado,

aplicando-se a equao
12 C,
R 1 -
2.n
( 6.06 )
12 C,
ou, n a ) C = 90, n = 20 , r = 3 : R = 69,5829.
2.(1R )
( 6.07 )
onde = 2 . ( n - i + 1 ) = 2. ( r + 1 )
( 6.08 )
o Grau de liberdade , e r a quantidade de

falhas observadas no ensaio, que satisfaz a
relao n = r + i .
Os valores utilizados no clculo da

Confiabilidade ( R ) e do tamanho da b ) R = 90 , C = 90 , r = 3 : n = 64,9230 ( ~ 65 ).
amostra ( n ) por meio da distribuio 2 (
mtodo aproximado ) correspondem aos
graus de liberdade = 2 , 4, 6, 8, 10,... ou seja ,
apenas a nmeros pares. Os nmeros impares
so utilizados na determinao dos Limites de
confiana Unilateral e Bilateral.
c ) R = 90 , n = 100 , r = 1 : C = 0,9629 ( ~96 %

).
Fig. 6.3 Uso do programa Weibull para

clculo das variveis

quantitativa
16
Os procedimentos bsicos no decorrer do

7. CRESCIMENTO MONITORADO DA treinamento so apresentados na Fig. 7.2. A
APRENDIZAGEM partir de uma dada Confiabilidade inicial , por
exemplo a quantidade de falhas observadas
7.1 INTRODUO no inicio da misso, verifica-se as deficincias
do operador e o treinamento prossegue at
7.1.1 CONCEITOS BSICOS um dado ponto ( quantidade de tarefas ).,
aplica-se o modelo admitido e se necessrio
A aprendizagem das tarefas a serem prolonga-se o treinamento, como foi admitido
cumpridas nas misses envolvem dois aspectos na Fig. 7.2, at o ponto de aceitao ou
bsicos de anlise : rejeio.
A Metodologia do aprendizado e os fatores

que influenciam no seu desenvolvimento e Confiabilidade,
aplicao.
A Quantificao das falhas observadas e Zona de
seu monitoramento quantitativo.
OBJETIV
A aplicao do conceitos de
Crescimento Monitorado uma excelente
metodologia de identificao e correo
Zona de
das falhas humanas que ocorrem nos
perodos de aprendizagem, pelo
monitoramento e aumento da
Confiabilidade humana, aplicando-se
aes corretivas durante as etapas do Quantidade acumulada de tarefas
treinamento.
Fig. 7.1 - Visualizao grfica do crescimento
As principais etapas de aplicao da monitorado da Confiabilidade humana.
metodologia so :
A Metodologia bsica do aprendizado ser
apresentada de modo resumido no Cap. 7.2 e
Visualizao grfica do crescimento. no objetivo deste trabalho o seu
Procedimentos de correo das falhas detalhamento. Para tanto, existe uma vasta
humanas( metodologia bsica dos testes ). bibliografia a respeito, envolvendo diferentes
Escolha da melhor distribuio ( tcnicas e procedimentos, muitas vezes
Exponencial, Duane, etc. ). conflitantes, por no ser uma cincia exata (
psicologia, medicina, etc. ).
7.1.2 VISUALIZAO GRFICA DO CRESCIMENTO
A Quantificao clssica do aprendizado
Para cada etapa ou fase do treinamento ser apresentada no Cap. 7.3, que utiliza uma
verifica-se a quantidade de falhas ocorridas distribuio tipo Exponencial.
no perodo, calcula-se o valor da
Confiabilidade humana e compara-se com o
objetivo desejado ou seja, seu valor mnimo .
A continuao do aprendizado ( novas etapas
) implicariam em novos valores , crescentes ou
Deficincia Confiabilidad
decrescentes, at um valor de deciso aps o
s e
qual pode-se concluir que o treinamento foi
eficaz. ( zona de aceitao ) ou no ( zona
de rejeio ) A Fig. 7.1 apresenta este
procedimento bsico de quantificao, para
as distribuies a serem detalhadas no Cap. 9 Identifica Crescimento
Teste
( modelos de anlise ). o, Monitorado
7.1.3 METODOLOGIA BSICA DOS TESTES

Novo Modelos de
treinamento anlise
( )
quantitativa
Confiabilidad
e
17
para um bom aprendizado deve-se considerar

que :
Ele deve corresponder a uma mudana
permanente de comportamento, e
considerar que boa parte do aprendizado
pode ser perdida.
O treinamento pode ser eficiente mas no
Fig. 7.2 - Metodologia bsica para eficaz, na medida em que no implica em
verificao do crescimento monitorado da melhorias contnuas, por iniciativa prpria.
Confiabilidade humana. As informaes devem ser
convenientemente dosadas no decorrer do
A Quantificao do aprendizado treinamento, de fcil entendimento e
envolvendo novas metodologias de anlise, aplicao.
de modo original, aplicando-se os mesmos Ele deve ser entendido como um processo
procedimentos utilizados para Crescimento de crescimento pessoal e financeiro, com
Monitorado para os equipamentos, ser possibilidade de ganhos efetivos em curto
apresentada no Cap. 7.4. perodo de tempo. Esperas prolongadas
desmotivariam o treinamento.
7.2 METODOLOGIAS BSICAS PARA O
APRENDIZADO Os princpios bsicos do aprendizado so :
Recompensa : um dos melhores incentivos
O desenvolvimento da aprendizagem
geralmente corresponde a duas fases ( etapas para a aprendizagem, at mesmo entre os
) como apresentado na Fig. 7.3, animais. Pode representar uma promoo
financeira ou cargo superior, e at mesmo
correspondentes a um treinamento Bsico e
um Complementar. Pode-se admitir que exista objetivos sociais.
um conhecimento prvio ( no caso 20 % ), e Motivao : satisfao pessoal do progresso
que o treinamento Bsico corresponda atingido.
quantidade de conhecimentos e Continuao : nenhum treinamento pode ser
procedimentos necessrios para uma boa considerado como definitivo, ou seja,
execuo da tarefa ( no caso 90 % ). sempre uma base para novo treinamento (
educao continuada ).
100 %
90 % 7.3 METODOLOGIA CLSSICA DE ANLISE
DO CRESCIMENTO
O mtodo clssico admite que as falhas

humanas ocorrem de modo aleatrio,
BSICO COMPLEMENTAR satisfazendo uma distribuio do tipo
20 % Exponencial biparamtrica, com um ndice de
aprendizagem humana I H ( t ) em funo da
0%
Durao ( meses )
varivel t ( durao ou quantidade de tarefas
0 1 Ms
), dado por :
t
Fig. 7.3 - Principais etapas da aprendizagem
I (t) = 1 - e ( 7.01 )
e metas ( objetivos ) H
onde :
O treinamento Complementar pode durar
bastante, dependendo da complexidade das = Durao caracterstica do treinamento.
misses.Um aprendizado total ( 100 % ) uma = Parmetro de posio, referido a
meta apenas terica, valor limite que no treinamentos
atingido mesmo durante muitos anos de anteriores.
treinamento ou mesmo durante toda a vida
do executor. Dentre as inmeras condies cuja variao tpica apresentada na Fig. 7.4,
onde o treinamento estaria concludo na
quantitativa
18
durao t f para atingir um valor R = 0,90 ( 90

% ), com um aprendizado inicial I 0 = 0,40 ( 40 Aplicando-se o programa Weibull ++ [ C01
% ). ] para distribuio Exponencial biparamtrica,
onde o ndice de aprendizado ( I H )
Para a Durao ( t H ) do treinamento, representado pela Desconfiabilidade ( F ),
resulta da equao ( 8.01 ) o valor resulta o grfico da Fig. 7.4 e o valor da
Durao do aprendizado mostrado na Fig.
t H = - - . Ln ( 1 - I H ) ( 7.02 ) 7.5, que coincide com o valor anteriormente
calculado.
com um Ganho de aprendizagem ( I )
dado por
I = IH (t) - I 0 (
7.03 )
Ln ( t )
1,00
0,90
GANH I = 0,5
Fig. 7.5 - Valor da durao prevista para o
0,50
aprendizado calculado pelo programa
0,40 I0 = Weibull ++.
04
7.4 METODOLOGIAS COMPLEMENTARES DO
100 180 CRESCIMENTO
0
- 0 tf No Cap. 9 sero apresentadas novas
Durao do treinamento metodologias de anlise da aprendizagem,
baseadas nos mtodos :
Fig. 7.4 - Variao tpica da durao do
1. Duane.
aprendizado e parmetros.
2. Crow - AMSAA ( N.H.P.P. ).
3. Lloyd Lipow.
CASO 7.01 Determinar a durao de um
aprendizado, para os valores I 0 = 0,40 ( 40 % ) 4. Gompertz ( padro )
, = 51,1 horas, = 0,01 falhas / hora ( = 100 5. Logstico
horas ), para um valor final do ndice de Estes mtodos apresentam equaes
treinamento I H = 0,90 ( 90 % ). gerais que podem ser plenamente aplicadas
s falhas humanas ocorridas no decorrer dos
Aplicando-se a equao ( 7.02 ) resulta o aprendizados, correspondentes de modo
valor anlogo s " Falhas de Juventude " dos
equipamentos.
t H = - 51,08 - 100 . Ln ( 1 - 0,90 ) = - 51,1 +
230,2 = Para a aplicao destes mtodos deve-se
= 179,1 ( ~ 180 horas ) considerar diferentes tipos de dados de falhas,
como ser apresentado no Cap. 8.
que seriam necessrias para atingir um ndice
de aprendizagem de 90 %. 8. TIPOS DE DADOS NO CRESCIMENTO
MONITORADO
O valor do acrscimo obtido com o
aprendizado dado por
8.1 CONCEITOS BSICOS
I = 0,90 - 0,40 = 0,50 ( 50 % )
A preciso de qualquer previso estatstica
como indicado na Fig. 7.4.
depende fundamentalmente da qualidade e
quantitativa
19
da quantidade dos dados observados ( Durao at falha ( ou recolocao ), sem

obtidos ). Bons dados implicam em previses Suspenso ( censura ), onde todas as
corretas, desde que o modelo estatstico e a tarefas completam o teste.
amostra selecionada representem o real Durao at falha ( ou recolocao ),
comportamento da populao ( universo ) com Suspenso ( censura direita ), onde
dos dados. Obviamente, dados tendenciosos, nem todas as tarefas so completadas.
mesmo com os melhores procedimentos Durao at falha ( ou recolocao ),
estatsticos implicam em previses erradas, com Intervalos ( Intervalo e censura
bem como um incorreto modelo de esquerda ), onde as tarefas so
distribuio estatstica. inspecionadas em dados intervalos, com
Na anlise das falhas humanas aes falhas ( ou corrigidas ) aps a ltima
fundamental a no incluso das inspeo.
transgresses ( intencionais ou no- Durao at falha ( ou recolocao ),
intencionais ) como foi apresentado no Cap. com Intervalos e Suspenses ( Intervalo ,
2. censura esquerda ou direita ), onde os
As misses podem ser de trs tipos, tarefas so inspecionados em dados
conforme o arranjo dos dados a serem intervalos, com aes falhas ( ou corrigidas
testados : ) aps a ltima inspeo, com ocorrncia
tambm de tarefas com ou sem
Suspenses, e Censura mltipla.
No agrupadas ( tarefas analisadas
individualmente ).
8.2 PRINCIPAIS TIPOS DE DADOS
Agrupadas ( tarefas analisadas em grupos
selecionados ).
Os dados das duraes das tarefas
Forma livre ( dados admitidos ). executadas at a falha, utilizados nas anlises
dos aprendizados, como apresentados na Fig.
A Forma livre, obtida com os dados 8.1, so classificados como :
diretamente alocados no eixo X ( horizontal )
e a percentagem de falhas no eixo Y (
vertical ) .
Estas trs condies so adotadas no 1. Duraes at a falha humana
o Duraes at a falha, dados No-
programa Weibull ++ [ 03], como condio
inicial de entrada dos dados. agrupados.
A escolha de cada tipo depende dos o Duraes at a falha, dados
possveis mtodos de ensaio, custos e prazos Agrupados.
de obteno dos dados. Dependem portanto
o Tarefas mltiplas
de consideraes prticas de como as
amostras so constitudas ( dados agrupados - Duraes conhecidas;
ou no - agrupados ) e quantidade das
- Duraes desconhecidas.
tarefas disponveis para anlise. Obviamente,
quanto maior a quantidade de tarefas 2. Duraes com Falhas / Sucessos
executadas melhor a preciso dos resultados
o Dados seqenciais ( nicos )
obtidos. Porm, na prtica dos ensaios e
devido a suas duraes e equipamentos o Dados seqenciais com Modos de
disponveis para medio dos testes, as falha
amostras so geralmente pequenas, o que
o Agrupados por configurao
implica necessariamente na determinao
dos Intervalos de confiana ( 3. Valores das Confiabilidades Humanas
preciso ). observadas.
Cada tipo de dados corresponde a um ou
Como cada misso apresenta uma
mais modelos de anlise do crescimento
particular condio de teste, o procedimento
monitorado ( Duane, Gompertz, etc. ), como
de anlise deve considerar os seguintes
apresentado a seguir.
principais tipos :

quantitativa
20
Este modelo aplicado nas tarefas onde o

tempo exato de ocorrncia da falha
desconhecido, mas so registradas apenas as
quantidades de falhas ocorridas dentro de um
dado intervalo de tempo ( ou inspees ).
Para uma simples misso podem ocorrer
mltiplas falhas antes que o operador termine
o trabalho. Neste caso, ocorrem X falhas
aps Y horas de observao. As falhas X 1 , X
2 , ... , etc. podem ter ocorrido em qualquer
perodo de tempo at a concluso da tarefa,
e o tempo exato para cada uma delas
desconhecido. Este tipo l denominado
Fig. 8.1 - Tipos de dados no crescimento Intervalo ou dado agrupado.
monitorado.
Quando uma equipe analisada as tarefas
8.3 DURAES AT A FALHA so inspecionadas em predeterminados
intervalos de tempo e as falhas so registradas.
As duraes at a ocorrncia das Falhas Os operadores que apresentaram falhas so
humanas ( contnuas ) o tipo mais informados ( instrudos ) ou substitudos. O
comum de ocorrncia na anlise do tempo total para cada dado agrupado
crescimento da Confiabilidade humana. Ele corresponde soma dos tempos dos
envolve o registro das duraes at a falha operadores observados no intervalo
dos operadores ( executores das tarefas ) nas considerado, como indicado na Fig. 8.3.
misses sob observao. Pode ser aplicado
para um nico operador ou um conjunto de
operadores ( equipes ) ou um sistema ( linha
de montagem, etc. ).
8.3.1 DURAES AT A FALHA, DADOS NO-

AGRUPADOS
O modelo aplicado para dados

acumulados ou no-acumulados, como
apresentado na Fig.8.2. As duraes at a
ocorrncia das falhas so anotadas e
registradas
Fig. 8.3 - Modelo para Durao at falha,
na tabela. Os comentrios servem para indicar
dados agrupados.
detalhes, como por exemplo o nome do
executor.
8.3.3 TAREFAS MLTIPLAS
As tarefas mltiplas podem ser

classificadas em dois tipos bsicos :
- Duraes conhecidas;
- Duraes desconhecidas.
a seguir descritas, aplicveis a dados
acumulados ou no-acumulados.
Fig. 8.2 - Modelo para Durao at falha, 8.3.3.1 TAREFAS MLTIPLAS, DURAES
dados no-agrupados, acumulados ou no- CONHECIDAS
acumulados.
8.3.2 DURAES AT A FALHA, DADOS Este modelo aplicado nas tarefas onde
AGRUPADOS
existem vrias equipes em observao. Se
ocorre uma falha em qualquer uma das
equipes uma ao corretiva efetuada e
quantitativa
21
incorporada a todas as outras equipes, e as evento ) e as falhas ocorreram nas duraes t

tarefas so recomeadas. O tempo at falha = 40 , 222 e 436 horas, com trmino na
da equipe que falhou registrado e durao t f = 500 horas. O programa RGA [
considerado para todas as outras equipes. Os 02 ] apresenta dois modelos de dados de
dados podem ser do tipo acumulados ou entrada. Na Fig. 8.5 apresentado o modelo
no-acumulados. Na Fig. 8.4 apresentado Normal e na Fig. 8.6 o modelo Avanado, e
um exemplo para duas equipes, onde a ambas representam os mesmos dados.
coluna ID ( identificao ) corresponde Quando admite-se o modelo Avanado,
equipe que falhou. Neste exemplo, se cada equipe iniciada com um Evento inicial
entramos como ID = 1 corresponde a falha na ( Start , S ) , um Evento final ( End , E ) com as
equipe 1, com as correspondentes duraes, correspondentes duraes at as falhas
inclusive para a equipe 2 que no falhou. ocorridas ( Failures , F ).
Fig. 8.4 - Tarefas mltiplas, duraes

conhecidas.
Fig. 8.5 - Modelo normal para tarefas
A Fig. 8.4 corresponde a duas equipes sob
mltiplas, durao equivalente
teste, que no apresentam as mesmas
desconhecida.
duraes at falha. Em 10 horas de teste, a
equipe 1 falhou e uma ao corretiva foi
efetuada em ambas as equipes ( 1 e 2 ).
Nestas duraes ambas as equipes haviam
acumulado 10 horas de operao. Com 17
horas a equipe 2 falhou e uma ao corretiva
foi efetuada em ambas as equipes.
Entretanto, a equipe 1 havia acumulado 5
horas desde a ultima interveno e a equipe
2 acumulado 7 horas, e assim
sucessivamente para os demais dados da
tabela.
8.3.3.2 TAREFAS MLTIPLAS, DURAES

DESCONHECIDAS
Este modelo aplicado nas tarefas

onde existem vrias equipes em observao e
os eventos ( incio, quantidade de falhas e
trmino ) so registrados. Estes tipos de dados
duraes acumuladas uniformes e as equipes
so testadas simultaneamente. Por exemplo,
considere-se os dados de duas equipes
apresentados na Fig. 8.5. A equipe 1
comea o teste na durao t i = 0 ( incio do
evento ) e as falhas ocorreram nas duraes t
= 281 , 312 e 776 horas, com trmino na
durao t f = 1000 horas. A equipe 2
comea o teste na durao t i = 0 ( incio do

quantitativa
22
Fig. 8.6 - Modelo avanado para tarefas

mltiplas, durao equivalente
desconhecida.
8.3.3.3 TAREFAS MLTIPLAS, DURAES

DESCONHECIDAS, DATAS DAS FALHAS
Este modelo similar ao anterior, porm Fig. 8.8 - Modelo para dados Seqenciais,
so admitidas as datas de ocorrncia das com ocorrncia apenas de Falhas e
falhas, assumindo-se perodos descontnuos e o Suspenses.
programa computacional calcula as
duraes equivalentes ( valores mdios ) , 8.3.4.2 DADOS SEQENCIAIS COM MODOS DE
como apresentado na Fig. 8.7 FALHAS
Este modelo idntico ao anterior ( Fig. 8.8

) porem so identificados os Modos de falha
observados, que serviro para anlises
posteriores, como apresentado na Fig. 8.9.
Fig. 8.7 - Modelo normal para tarefas mltiplas,

com as datas dos eventos, durao
equivalente desconhecida.
8.3.4 DADOS DE SUCESSOS E FALHAS
Os modelos so tambm referidos a dados Fig. 8.9 - Modelo para dados Seqenciais,
discretos ou por atributos, envolvendo os com ocorrncia apenas de Falhas e
registros de dados das tarefas onde existem Suspenses, e registro dos Modos de falhas.
apenas duas possveis ocorrncias : Falha ou
Sucesso. Por exemplo, um montador cujo 8.3.4.3 DADOS AGRUPADOS POR EQUIPES
componente montado bom ou ruim, ou
uma entrega de mercadoria que finalizada Este modelo aplicado para vrios
ou no. Os principais mtodos que utilizam operadores que trabalham simultaneamente,
os modelos de falha / sucesso, a seguir em equipes, ao invs de um nico operador.
descritos, so So registradas as quantidades de operadores
que falharam em cada equipe. Por exemplo,
o Seqenciais;
um grupo de 10 soldadores executaram uma
o Seqenciais com Modos de falhas;
dada operao e 5 apresentaram falhas,
o Agrupados por equipes;
como indicado na Fig. 8.10 ( linha 1 ) . Aps
cada falha so feitas as correes necessrias.
8.3.4.1 DADOS SEQENCIAIS
Os dados correspondentes s Falhas ( F )

ou Suspenses ( S ) so registrados na sua
ordem cronolgica de ocorrncia, como
apresentado na Fig. 8.8. A tarefa
inspecionada aps o seu trmino, e aprovada
ou no. Se houve falha so feitas as correes
necessrias antes da prxima tarefa.

quantitativa
23
o Os dados de entrada ( agrupados, no-

Fig. 8.10 - Modelo para dados agrupados por agrupados, etc. ) , como apresentado no
equipes. Cap. 8 .
o A visualizao grfica do crescimento (
8.4 VALORES DAS CONFIABILIDADES TMEF , etc. ).
OBSERVADAS o A anlise e adoo de medidas corretivas
( treinamento, dispositivos auxiliares e outros
Os valores obtidos para as Confiabilidades ).
Humanas previamente determinados, em
o A efetivao das melhoras e da
cada etapa ou estgio, so listados em
capacidade do operador em execut-las.
ordem crescente, como apresentado na Fig.
8.11. O processo monitorado em Para cada etapa ou fase do treinamento
predeterminados intervalos de tempo. verifica-se a durao e a quantidade de
Simplificadamente, a Confiabilidade pode ser falhas ocorridas no perodo, e calcula-se o
calculada pelo numero total de aes valor do parmetro desejado ( TMEF,
executadas e a quantidade de aes falhas. Confiabilidade , Taxa de falha , etc. ) e
compara-se com o objetivo desejado ou seja,
seu valor mnim . A continuao do
aprendizado ( novas etapas ) implicariam
em novos valores , crescentes ou
decrescentes, at um valor de deciso aps o
qual pode-se concluir que o treinamento foi
eficaz. ( zona de aceitao ) ou no ( zona
de rejeio ). A Fig. 7.1 apresentou este
procedimento bsico de quantificao, para
as distribuies ( modelos de crescimento ) a
serem detalhadas nos Captulos 9.3 a 9.7 (
modelos de anlise ).
Fig. 8.11 - Modelo para valores das Os procedimentos bsicos no decorrer do

Confiabilidades Humanas observadas. treinamento so apresentados na Fig. 9.2. A
partir de uma dada Confiabilidade inicial , por
exemplo a quantidade de falhas observadas
9. CRESCIMENTO MONITORADO DA
no inicio da misso, verifica-se as deficincias
CONFIABILIDADE
do operador e o treinamento prossegue at
um dado ponto ( quantidade de tarefas ),
9.1 CONCEITUAO BSICA
aplica-se o modelo admitido e se necessrio
prolonga-se o treinamento, como foi admitido
O crescimento Monitorado da na Fig. 7.1, at o ponto de aceitao ou
Confiabilidade Humana uma excelente rejeio.
metodologia para identificao e correo
das falhas humanas e deficincias do 9.2 DADOS DE ENTRADA E MODELOS DE
aprendizado, nas tarefas ( ou misses ) , pelo CRESCIMENTO
monitoramento e contnuo aumento da
Confiabilidade observada. aplicando-se Os modelos de dados de entrada
aes corretivas durante as etapas de seu apresentados no Cap. 8 no so aplicveis a
desenvolvimento. todos os modelos de anlise do Crescimento
Monitorado, por apresentarem restries. Na
O mtodo envolve os seguintes principais Fig. 9.1, so indicadas as correspondncias
procedimentos : entre os modelos de Crescimento monitorado
admitidos pelo programa RGA [ 02 ] e os
o Definio dos objetivos a serem atingidos ( correspondentes aos mtodos de clculo que
TMEF , Taxas de falhas, etc., ), podem ser adotados.
correspondentes aos valores mximos Os modelos de Crescimento monitorado
admissveis. indicados na Fig. 9.3, aplicveis analise da
Confiabilidade humana, adotados neste
o A seleo do modelo de anlise ( Duane,
manual, so :
Crow, Gompertz, etc. ).
quantitativa
24
relevantes observadas no decorrer de seus

1. Duane ( Cap. 9.3 ) treinamentos.
2. Crow - AMSAA / NHPP ( Cap. 9.4 ) O mtodo foi inicialmente proposto
3. Lloyd-Lipow ( Cap. 9.5 ) visando a obteno de uma relao emprica,
baseada em valores observados do TMEF ( ),
4. Gompertz padro ( Cap. 9.6 )
para vrios tipos de componentes utilizados
5. Logstico ( Cap. 9.7 ) em aeronaves. Verificou-se ento que o valor
acumulado ( a ) em funo da durao
acumulada de ensaio ( t a ) e da quantidade
acumulada de falhas ( r a ) , satisfazia uma
Gompertz
Logstico
padro
AMSAA
Duane distribuio do tipo Exponencial ( = 1 na
Crow-
Lloyd-
Lipow
Dados observados equao de Weibull ), ou seja, praticamente
uma linha reta em um grfico tipo Ln x Ln t ,
No -Agrupados como mostrado na Fig. 9.2 . A inclinao ( )
da reta significa o crescimento do valor de ,
Agrupados a partir de um valor inicial ( o ), e
Tempo at
conseqentemente da Confiabilidade. Esta

Conhecido metodologia aplicada a falhas humanas ,
equivalen
corresponde relao,
Tempo
f lh
Desconheci
a = o .( ta / ti )
te
do
( 9.01 )
Seqenciais onde :
Seqenciais com
modos de falha a = Tempo mdio acumulado entre
Falha /
Agrupados por falhas.

configurao ta = Durao acumulada da misso.
S
o = Tempo mdio entre falhas , inicial.

Dados de
Confiabilidade
ti = Durao acumulada da misso.
Fig. 9.1 - Aplicabilidade dos mtodos de com uma inclinao ( expoente ) da reta
clculo em relao aos modelos de dada por
crescimento monitorado da = Ln ( a / o ) / Ln ( t a / t i ) (
Confiabilidade humana.
9.02 )
Cada modelo de crescimento possui uma
determinada aplicao prtica, como ser
e uma durao total acumulada da misso,
apresentado a seguir.

t a = t i . ( a / o ) 1/ (
9.3 MODELO DUANE 9.03 )
9.3.1 CONCEITUAO BSICA que permite avaliar a durao necessria

para atingir-se um dado valor da durao
O crescimento monitorado da
acumulada a .
Confiabilidade denominado Duane,
aplicado principalmente no desenvolvimento
de operadores ( executores de tarefas ). Isto
porque os operadores so geralmente menos
confiveis no incio de suas novas tarefas, Ln
sendo progressivamente melhorados pela
correo das falhas observadas, com
conseqente aumento do Tempo mdio entre
falhas ( ). Por isso, os operadores
geralmente apresentam uma confiabilidade i 50,8
crescente, resultado dos constantes i
i + [ 25,8 ]
aperfeioamentos e correes das falhas
a 25,0
quantitativa a
a + [ 19,5 ]

Inici
5,5
al
25
Inicial : o = to /ro ou ro = to/ o (

9.05 )
Acumulado : a = t a / r a ou r a = t a / a
( 9.06 )
Substituindo-se o valor de a dado pela

equao ( 9.01 ) ou o valor de t a dado
pela equao ( 9.03 ), resulta uma quantidade
acumulada ( r a ) de falhas
Fig. 9.2 - Variao do Tempo mdio entre
falhas ( ) em funo da durao r a = [ ( t a) / o ] . t a1-
acumulada ( t a ), mtodo Duane, ( 9.07 )

CASO 9.01 .
ou ento, r a = t o . o-1 / . a( 1 / ) - 1
9.3.2 INFLUNCIA DA INCLINAO ( 9.08 )

( CRESCIMENTO )
Em cada instante do processo de melhora
A inclinao ( ) fornece uma importante resulta um TMEF instantneo i dado pela
indicao da Taxa de crescimento a e derivada da equao ( 9.07 ) na varivel t ,
conseqentemente da efetividade do ou seja,
programa de correo dos modos de falha,
dada por dra
= ( 1- ).( to / o ) = 1 /
dt
a = a - o = i . [ ( t a / t i ) - 1 ] i
( 9.04 ) com

como indicado na Fig. 9.4. Quanto maior o i = (to / o )- /( 1- )=a/( 1- ) (
valor da inclinao ( ) maior o valor e mais 9.09 )
efetivas foram as melhoras agregadas ao
operador durante seu treinamento, como que corresponde a uma reta paralela a a ,
apresentado na Tab. 9.1. como indicado na Fig. 9.04 , com um
acrscimo i dado por
i = i - a = a.[ / ( 1- ) ] (
Tab. 9.1 - Valores recomendados para a 9.10 )
inclinao ( ) e correspondentes tipos de
programas monitorados de crescimento da O valor instantneo i corresponde
Confiabilidade. soma das parcelas,
Incremento i = o + a + i
Valor Inclinao ( 9.11 )
relativo = arc tg - 1
Muito alto > como indicado na Fig. 9.4 .
0,400
Alto 0,300 - 0,399
CASO 9.01 Determinar os parmetros do
Normal 0,200 - 0,299
Baixo 0 - 0,199
mtodo Duane, correspondentes inclinao
( ), o TMAF inicial, acumulado e instantneo
( o , a , i ), a quantidade acumulada de
9.3.3 CRESCIMENTO MONITORADO falhas ( r a ) e os correspondentes acrscimos
a e i , para uma operao de
Durante os procedimentos de melhora montagem de componentes eletrnicos, cujos
tem-se os seguintes valores a serem testes iniciais de Confiabilidade resultaram em
determinados, referidos s quantidades de r o = 11 falhas observadas em um perodo
falhas observadas : inicial de atuao do montador t o = 60
horas, durante o qual no predominou
nenhum tipo de falha ( aleatrias ). As
exigncias para a atuao do montador
quantitativa
26
correspondem a um TMAF acumulado a mostrado na Fig. 9.5, correspondentes

25 h. para uma durao acumulada de principalmente a trs perodos ( I , II, III )
ensaio t a = 1200 h. distintos, quais sejam,
Da equao ( 9.05 ) resulta o valor inicial Perodo I : Treinamento inicial (capacitao

inicial do operador ), com altos valores do
o = 60 / 11 = 5,45455 horas expoente ( inclinao ) de incremento, e
pequena durao do perodo de melhoras (
e da equao ( 9.02 ) um expoente ( intensas ). Normalmente corresponde a valores
inclinao ), > 0,400 ( ver Tab. 9.1 ) , valores muito altos
dos incrementos .
= Ln ( 25 / 5,45455 ) / Ln ( 1200 / 60 )
Perodo II : Treinamento complementar
=
(capacitao complementar do operador ), ,
= 0,508198 ( 30 o )
geralmente em pr-tarefas ou misses, com
especial acompanhamento das falhas
que pela Tab. 9.01 corresponde a um alto
ocorridas, com correo das falhas
valor do incremento.
anteriormente no detectadas, em um
razovel perodo de treinamento.
A quantidade acumulada de falhas,
Normalmente corresponde a valores =
conforme a equao ( 9.07 ) resulta no valor
0,200 a 0,400 ( ver Tab. 9.1 ) , valores altos e
normais dos incrementos .
r a = [ ( 60 ) 0,508198 / 5,45455 ].1200 0,491802 = 48
falhas
Perodo III : Treinamento final ( capacitao
com substancial reduo na quantidade de
plena do operador ) em tarefas seriadas ou
falhas se fosse considerada uma variao
misses, com pouco ou nenhum
linear, que assumiria o valor
desenvolvimento do operador, apenas
correes de pequenas falhas, que no
r = 1200 . ( 11 / 60 ) = 220 falhas.
impliquem em significativas mudanas na
metodologia operacional de trabalho. Neste
Para os acrscimos do TMEF , na durao
perodo geralmente as pequenas
acumulada t a = 1200 h. , conforme as
modificaes correspondem a melhoras em
equaes ( 9.04 ) e ( 9.10 ) resultam os valores
dispositivos auxiliares, controle de processos e
a = 25 - 5,45455 19,5 h. de qualidade. Normalmente corresponde a
valores < 0,200 ( ver Tab. 9.1 ) , valores
i = 25 [ 0,508198 / ( 1 - 0,508198 ) ] 25,8 baixos dos incrementos .
h.
com i dado pela equao ( 9.10 ), ou seja, Na avaliao dos resultados obtidos (
crescimento monitorado ), deve-se considerar
i = 25 / ( 1 - 0,508198 ) = 50,8 h. que :
que corresponde soma ( valor acumulado ),

dado pela equao ( 9.11 ), O mtodo aplicado a uma populao
( operadores ), com quantidade de falhas
i = 5,5 + 19,5 + 25,8 = 50,8 h.
que so progressivamente corrigidas, cada
tarefa contribuindo com uma diferente
durao, como apresentado na Fig. 9.3.
importante notar-se que o valor
instantneo i um objetivo prtico a ser O monitoramento dirigido principalmente
alcanado para o valor desejado do TMEF do para a determinao dos valores
operador, considerado como sempre acumulados a ou dos valores
crescente no perodo de desenvolvimento, instantneos i .
pela reduo sistemtica das falhas humanas Deve-se estabelecer o objetivo desejado (
( melhoras ). d ) , como indicado na Fig. 9.4, e verificar se
No caso geral, os operadores ( executores ) as modificaes introduzidas
normalmente satisfazem uma variao como
quantitativa
27
incrementaram a Confiabilidade do Fig. 9.3 - Crescimento monitorado nos

operador, isto , se so crescentes. No caso diferentes perodos de treinamento (
apresentado, aps 5 modificaes os desenvolvimento ).
testes indicaram que o valor a ,5 > d ,
ou seja, as modificaes tiveram sucesso e Ln
o objetivo foi atingido. Porm, no incio do
desenvolvimento as modificaes 1 e 2
deixaram a desejar. A partir das
d
5
modificaes 3 e 4 ocorreu significativo
acrscimo, e a modificao 5 permitiu
atingir o objetivo desejado ( d ). 4
i 3
Os testes devem simular com razovel
preciso as condies ambientais (
temperaturas, etc. ) esperadas durante a 2
operao normal e que os operadores (
executores) representem adequadamente 1
a tarefa. o
O mtodo pode ser utilizado para a to t a ,1 t a ,2 t a ,3 t a ,4 t a ,5

previso da durao total necessria para
atingir o valor desejado ( d ) , conhecido o Fig. 9.4 - Objetivo desejado e crescimento
valor inicial ( i ) e assumindo-se um dado monitorado ( mtodo Duane ).
valor para a inclinao ( ) da reta, como
apresentado na Fig. 9.4, referida ao Importante :
exemplo do CASO 9.02, onde utilizou-se um
valor = 0,30 ao invs do valor = 0,51 O mtodo Duane muito criticado por ser
anteriormente calculado no CASO 9.01. emprico e sujeito a variaes nos
resultados, devido principalmente grande
influncia dos valores da inclinao .
Pode tambm ser argumentado que as
melhoras no so progressivas, mas
ocorrem em saltos ( degraus ), conforme as
modificaes vo sendo efetuadas.
Entretanto , o modelo simples e fcil de
ser aplicado, permitindo um bom
planejamento e acompanhamento (
I. II. III. monitorao ) da Confiabilidade. As
Treinament Treinamento Treinamento dificuldades podem aumentar quando so
o Complementa final
inicial r ( includos diferentes tipos de testes e
( ( Capacitao Capacitao condies ambientais, com diferentes tipos
Capacita l) plena ) de truncamentos ( durao, quantidade de
Ln
falhas, seqenciais, etc. ), ou quando uma
e ao corretiva prevista mas no
i ,2 aplicada a todas as misses (
a prottipos de tarefas ) nos programas de
a ,2
testes. Todas estas dificuldades podem ser
i,1 superadas por procedimentos operacionais
que considerem os eventos ocorridos.
a
Se a distribuio dos valores observados nos
testes diferem mito da distribuio
Exponencial ( = 1 na equao de Weibull
o ), os valores podem ser ajustados,
corrigindo-se as Vidas caractersticas ( )
obtidas em cada ensaio.
t o t a,1 t a,2
9.3.4 PROGRAMA COMPUTACIONAL

quantitativa
28
b = 60 1 0,508198 = 0,68093
O programa computacional RGA [ 02 ] 11
adota para o crescimento monitorado a
equao = Ln ( 25 / 5,45455 ) / Ln ( 1200 / 60 ) =
0,508198
a = o . t = b . t
( 9.12 ) que substitudos na caixa de entrada do
programa RGA [ 02 ] resulta na Fig. 9.5.
que representa uma reta no diagrama
logartmico Ln a x Ln t , com uma
inclinao ( incremento ), onde :
t = Durao acumulada das tarefas.

a = TMEF acumulado.
o = TMEF inicial, dado pela relao entre as

durao ( t i ) e a quantidade de falhas ( r i
), ou seja
Fig. 9.5 - Valores de entrada para o
1 programa RGA [ C04 ].
to
b = o = (
ro
9.13 ) Com estes dados de entrada resultam o
Para a Intensidade instantnea de falha ( grficos apresentados nas Fig. 9.6 ( TMEF
i ) resulta a equao acumulado e instantneo ). Pode-se gerar
1 outros grficos ( Intensidade de
i = . (1 ). t = ( 1 - ) . a ( falha, acumulada e instantnea ) e da
b
Quantidade acumulada de falhas [ 01 ].
9.14 )
com uma Intensidade acumulada de falha,
100
1
a = . t
Tempo Mdio At Falha TMAF
b 50,8
ou seja,
i INSTANTNEO 25
= 1 (
a ACUMULADO
9.15 ) 10
5,5

mtodo Duane de crescimento monitorado e
suas variaes grficas, com os dados do
CASO 9.01 , ou seja , para uma operao de 1
10 100 1000 10000
montagem de componentes eletrnicos, cujos Durao acumulada
testes iniciais de Confiabilidade resultaram em

r o = 11 falhas observadas em um perodo Fig. 9.6 - Variao do TMEF ( acumulado
inicial de atuao do montador t o = 60 e instantneo ) , CASO 9.02 , mtodo
horas, durante o qual no predominou Duane, programa RGA [ 02 ].
nenhum tipo de falha ( aleatrias ). As
9.4 MODELO CROW- AMSAA (NHPP)
correspondem a um TMEF acumulado a
25 h. para uma durao acumulada de
Este modelo particularmente apropriado
ensaio t a = 1200 h.
quando existem vrias etapas no treinamento
Aplicando-se as equaes ( 9.02 ) e ( de operadores ( fases ), com as melhorias
9.13 ) resultam os valores introduzidas em cada etapa, at atingir o
valor desejado da Intensidade da taxa de
falha ( acumulada ou instantnea ). O modelo

quantitativa
29
Crow probabilstico, baseado na distribuio A Intensidade de falha acumulada ( t )

tipo Weibull biparamtrica, e o modelo Duane dada por
determinstico.
-1
a ( t ) = ( o ) . t (
O mtodo foi desenvolvido pelo Dr. Larry
9.17 )
H. Crow , admitindo que o mtodo Duane
podia ser estocasticamente representado por Comparando-se as equaes ( 9.16 ) e (
uma distribuio tipo Weibull, a partir do 9.17 ) resulta a relao
mtodo AMSAA ( Army Material Systems
Analysis Activity ) e do mtodo NHPP ( Non i ( t ) = . a ( t )
Homogeneous Poisson Process ).
ou seja , as retas so paralelas, como
A caracterstica bsica do mtodo a indicado na Fig. 9.8.
linearidade da variao da Intensidade de
falhas instantneas i ( t ) , como Ln
apresentado na Fig. 9.7, dada pela equao
[ 01 ]
Ln =1
-1
i ( t ) = ( o . ) . t
b
( 9.16 )
vlida para os valores t > 0 , o > 0 e >
0. 0<<1
onde 1 Ln
1
o = = Taxa caracterstica de falha
Fig. 9.7 - Variao da Intensidade de falhas e

influncia do parmetro de forma.
referida Vida caracterstica ( ) da
distribuio Weibull. Ln
= Parmetro de forma da distribuio

Weibull. Ln o
Aplicando-se o Logaritmo natural a

equao ( 9.16 ) resulta
i
Ln i ( t ) = Ln ( o . ) + ( - 1 ) . Ln
t
ou 1 Ln t
Ln i ( t ) = a + b . Ln t
com Fig. 9.8 - Variao das Intensidades de
a = Ln ( o . ) falhas, acumuladas e instantneas.
b = - 1
O Tempo mdio entre falhas acumuladas
que pode ser representada por uma reta no ( a ) dado por
grfico Ln i ( t ) x Ln t , como indicado na 1
a ( t ) = . t 1- (
Fig. 9.7 , onde o Parmetro de posio ( a ) o
representa as condies iniciais e o Parmetro 9.18 )
de forma ( b ) a inclinao da reta.
Para a distribuio tipo Exponencial ( = 1 ) que comparado com o mtodo Duane
a Intensidade de falhas acumuladas resulta nas relaes
constante, ou seja, i ( t ) = = o . Para DUANE = 1 - CROW
< 1 o valor i ( t ) acumulado crescente
1
( melhora da taxa de crescimento ) e quando b DUANE =
> 1 ele decrescente ( piora da taxa de CROW
crescimento ).
onde = b a inclinao da reta .

quantitativa
30
O Tempo mdio entre falhas instantneas Os valores calculados das duraes

( i ) dado por acumuladas para os valores mximos do TMEF
1 = d = 7 horas ( acumulado e
i ( t ) = . t 1- (
o . instantneo ), so apresentados na Fig.
9.10, correspondentes aos valores 26,7 e 83,4
9.19 )
horas, que satisfazem a condio exigida.
Comparando-se as equaes ( 9.18 ) e (
9.19 ) resulta a relao
1
i ( t ) = . a ( t ) (

9.20 )
ou seja, quanto menor o valor de maior o
deslocamento da reta correspondente a i ( t
) como indicado na Fig. 9.8.
A quantidade de falhas ( r ) dada por
r ( t ) = o . t (
9.21 )
ou ento, a durao ( t ) correspondente a

uma dada quantidade de falhas ( r ) por
Fig. 9.10 - Variao dos TMEF acumulado (
1
r a ) e instantneo ( i ), CASO 9.03 , mtodo
t = ( Crow .
o
9.22 )

mtodo Crow -AMSAA de crescimento
monitorado e suas variaes grficas, com os
dados da Fig. 9.9, para uma operao em
linha montagem de eletrodomsticos. As
correspondem a um TMEF acumulado e Fig. 9.11 - Valores calculados das duraes
instantneo 7 horas, para uma durao acumuladas para o valor mximo do TMEF (
acumulada de 85 horas e uma quantidade acumulado e instantneo ).
acumulada 10 falhas. 100
Quantidade acumulada de falhas
10
0,1
1 10
Durao ( horas )
Fig. 9.12 - Variao da quantidade

Fig. 9.9 - Valores fornecidos dos tempos acumulada de falhas , CASO 9.03 , mtodo
acumulados entre falhas e parmetros Crow.
calculados, mtodo Crow, CASO 9.03.
Na Fig. 9.13 so apresentados os valores
calculados para TMEF acumulado, onde
quantitativa
31
verifica-se que os valores satisfazem a entrada, como ser apresentado no CASO 10.
condio 10 horas. 08
O valor observado da Confiabilidade
humana atual ( R ) dado por [ M04 ] ]
N N N N
1 Sk 1 Sk
R = k2
. nk
k
. k . nk =
k =1 k =1 k =1 k =1
N N
1 1 2
N.
2 k =1 k
k =1 k
Fig. 9.13 - Valores calculados do TMEF (
N N N N
acumulado , instantneo ) , CASO 9.03,
1
Rk
1

Rk
k2
. . ( 9.25
mtodo Crow. k =1 k =1 k =1
k
k =1
k
N N
1 1 2
N. 2

k

k =1 k
k =1
9.5 MODELO LLOYD - LIPOW )
O modelo aplicvel para as tarefas ( ou e a Taxa observada de crescimento por

misses ) humanas nas quais os programas de
treinamento so realizados em " N " etapas, N
1
N
Sk
N
Sk
cada uma delas com uma dada quantidade = . nk
N. k.n k =
k =1 k k =1 k =1
de tentativas para melhorar a etapa anterior,
N N
que so registradas como Sucesso ( S ) ou N.
1

1
k 2
2
Falha ( F ). Todos os testes em cada etapa k =1 k
k =1
devem envolver operadores ( executores ) de N
1
N N
Rk
mesma formao ( capacidade ) e aptido . R k N.
k
(
k =1 k k =1 k =1
para a tarefa . N
N
1 1 2
Os resultados em cada etapa dos testes N. 2

k =1 k

k =1 k
so aplicados para melhorar a atuao do
operador sob superviso nas prximas etapas. 9.26 )
Para o k - simo grupo de dados nas etapas,
os resultados so anotados em ordem CASO 9.04 Determinar os parmetros do
cronolgica, onde n k testes apresentariam mtodo Lloyd - Lipow de crescimento
S k Sucessos ( tarefas cumpridas ). Nesta monitorado e suas variaes grficas, com os
condio, a Confiabilidade humana dada dados da Fig. 9.14, para operaes de
pela equao [ 01 ] assistncia tcnica de eletrodomsticos nos
clientes. As exigncias para a atuao do
tcnico correspondem a uma Confiabilidade
Rk = R -
k mnima R = 0,90 ( 90 % ), para uma
( 9.23 ) durao acumulada de 20 visitas ( tarefas
onde ) executadas.
Na Fig. 9.14 so apresentados os dados
R = Valor da Confiabilidade atual obtida
resultantes de cada tarefa ( Sucesso ou Falha )
com as melhorias das etapas anteriores ( n
nas visitas efetuadas, ou seja, da necessidade
).
ou no de retorno ao cliente, e os valores
= Taxa de crescimento da Confiabilidade
humana. calculados dos parmetros ( , R ) pelo
programa RGA [ 02 ].
A equao ( 9.23 ) tambm pode ser
posta na forma [ 01 ]
Sk
Rk =
nk
( 9.24 )
ou seja, pode-se admitir diretamente os
valores calculados das Confiabilidades
humanas em cada etapa, como dados de
quantitativa
32
Fig. 9.16 - Valor calculado da Confiabilidade

aps 20 visitas de assistncia tcnica, CASO
9.04.
9.6 MODELO GOMPERTZ
Este mtodo particularmente aplicvel

para a anlise dos valores das Confiabilidades
humanas observadas nas tarefas executadas,
quando elas seguem uma curva suave, sem
grandes variaes, como apresentado na Fig.
9.17, dada pela equao triparamtrica [ 01 ],
nos parmetros a , b , c ,
t
R = a. b c
( 9.27 )
onde :
Fig. 9.14 - Dados de entrada e valores
calculados dos parmetros, CASO 9.04 , R = Confiabilidade para as tarefas
mtodo Lloyd - Lipow. executadas em funo das suas duraes,
quantidades ou etapas efetuadas.
Na Fig. 9.15 apresentada a curva de
crescimento da Confiabilidade do tcnico, a = Limite superior para a Confiabilidade
onde nota-se que aps 20 visitas ele no quando ela tende assintticamente ao
atingiu a meta desejada R = 90%, mas sim o valor t , ou ento, a Confiabilidade
valor R = 0,6017 ( ~ 60 % ) como indicado na mxima desejada.
Fig. 9.16. b = Parmetro de referncia.
1
c = ndice padro de crescimento. Pequenos
valores ( 0 < c < 0,50 ) indicam um
rpido crescimento e grandes valores (
Confiabilidade humana R ( t )
0,50 < c < 1 ) indicam um lento

0,8
crescimento ( ver Fig. 9.17 ). Para o valor

0,6
c = 1 no existe nenhum crescimento.
a . b = Confiabilidade inicial ( t = 0 ).
0,4
vlida nos intervalos 0 < a < 1 ; 0 < b < 1 ; 0

0,2
<c<1 ; t>0.
A soluo da equao triparamtrica (
0 9.27 ) de Gompertz em funo dos valores [ R i
, t i ] realizada pela melhor aproximao
0 10 20
Desenvolvimento na durao / etapa
sua curva de variao por mtodos

Fig. 9.15 - Crescimento monitorado da numricos.
Confiabilidade do operador, CASO 9.06 , Para a estimativa dos parmetros da
mtodo Lloyd - Lipow. equao de Gompertz deve-se seguir os
seguintes principais procedimentos :
1. Dispor os dados de entrada [ R i , t i ]

como indicado na Tab. 9.2, referida ao
CASO 9.09. Os valores das duraes ( t )
devem ser escolhidos em intervalos iguais,
crescendo em mltiplos de 1 ( horas,
semanas, meses, etc. ).

quantitativa
33
desejada e verificar se o valor calculado

1,0
c = 0,70
satisfaz o valor desejado ( R mn ).

R(t)
c = 0,30
0,8
Confiabilidade
O exemplo a seguir ( CASO 9.09 ) aplica

este procedimento de clculo.
0,6
a.b
0,4
CASO 9.05 Um operador deve apresentar

uma Confiabilidade mnima R = 0,90 ( 90 % )
0,2 ao final de 12 meses de treinamento em uma
linha de montagem de equipamentos
eletrnicos. As Confiabilidades observadas nos
5 primeiros meses de atuao so
0
0 4 6 8 10 12
Desenvolvimento durao / etapas ( meses )
apresentadas na Tab. 9.2 . Adicionalmente,
calcular a Confiabilidade esperada para 12
Fig. 9.17 - Influncia dos valores do ndice meses.
padro de crescimento ( c ), mtodo
Gompertz .
Para os parmetros ( a , b , c ) resultam os
valores :
2. Calcular os logaritmos naturais Ln R i . 1
8,850 8,641 2
3. Dividir a coluna referente aos valores Ln R i Equao ( 10.28 ) : c = =
em 3 grupos , com iguais quantidades , 8,641 8,250
cada grupo contendo a mesma 0,731
quantidade de tarefas ( n ) ou misses.
4. Somar os valores Ln R i em cada grupo, Equao (10.29 ) : a =
obtendo-se as somas S 1 , S 2 , S 3 , a partir 1 8,641 8,250
. 8,250 +
do menor valor Ln R i. 2 1 0,731 2
e =
5. Calcular o ndice padro de crescimento (
c ) pela equao = e 4,545 = 94,16 %
1
c = S 3 S 2 n (
( 8,641 8,250 ) . ( 0,731 1
S 2 S 1
Equao ( 10.30 ) : b = e 1 0,731 2 2 ) 2 =
9.28 )
= e - 0,485 = 0,615
6. Calcular o Limite superior ( a ) pela
equao
Tab. 9.2 - Dados de entrada, CASO 9.05 ,
1 S S 1 modelo Gompertz.
. S1 + 2
n 1 c n
a = e (
Grupo Durao do Confiabi. Valores Soma
9.29 ) n treinamento observada calcul. das
7. Calcular o parmetro de referncia ( b ) ( meses ) (%) Ln R i parcelas
pela equao Si
1 0 58 4,060 S1 =
( S 2 S 1 ) . ( c 1 1 66 4,190 8,250

1 c n ) 2
2 2 72,5 4,284 S2=
b = e (
3 78 4,357 8,641
9.30 )
3 4 82 4,407 S3=
5 85 4,443 8,850
8. Montar a equao geral ( 9.27 ) para o
modelo Gompertz.
9. Calcular o valor da Confiabilidade Aplicando-se o programa RGA [ 02 ]
humana em funo da durao ( t ) resultam os valores indicados na Fig. 9.18, que

quantitativa
34
praticamente coincidem com os valores

calculados.
Substituindo-se os valores apresentados

na Fig. 9.19 na equao geral ( 9.27 )
resulta a equao
t
R = 0,9422 . ( 0,6152 ) 0,731
Na Fig. 9.19 apresentada a curva de Fig. 9.20 - Valor calculado da Confiabilidade

crescimento da Confiabilidade dos tcnicos, aps 12 meses, CASO 9.05, mtodo
onde nota-se que aps 12 meses eles Gompertz..
atingiriam a meta desejada R = 90%, com o
valor R = 0,9314 ( ~ 93 % ) como indicado na
9.7 MODELO LOGSTICO
Fig. 9.20.
Este mtodo de anlise do crescimento
monitorado da Confiabilidade humana utiliza
os dados de Falhas / Sucesso e de
Confiabilidade observada, como foi
apresentado na Fig. 9.21., no sendo
aplicvel para dados de tempos de falhas. O
modelo Logstico de crescimento dado pela
equao biparamtrica [ 01 ]
1
R(t) = (
1 + b . e k.t
9.31 )
onde :
b = Parmetro de posio, com valores b > 0
, cujo aumento diminui o valor da
Confiabilidade humana, pois desloca as
curvas de variao para baixo, como
indicado na Fig. 9.21.
k = Parmetro de forma, com valores k > 0 ,
cuja reduo diminui o valor da
Fig. 9.18 - Dados de entrada e valores Confiabilidade humana, pois desloca as
calculados dos parmetros, CASO 9.05 , curvas de variao para a direita, como
mtodo Gompertz. indicado na Fig. 9.22.
1,0
A equao ( 9.31 ) implica na
ocorrncia de um ponto de inflexo da curva
R(t)
0,8
de variao da Confiabilidade quando b > 1 ,
na durao ( t i ) dada por
Confiabilidade
Ln b
0,6
ti =
k
0,4 ( 9.32 )
e a curva de variao assume a forma de um
0,2 " S " como apresentado na Fig. 9.23. Para os
valores 0 < b < 1 ela no apresenta ponto de
0 inflexo e seu comportamento semelhante
ao modelo Gompertz. Para o valor b = 1 a
0 2 4 6 8 10 12
Desenvolvimento etapas / duraes ( meses )
inflexo ocorreria na durao t i = 0.

Fig. 9.19 - Crescimento monitorado da
Confiabilidade das equipes, CASO 9.05 , 1,0
mtodo Gompertz. bb ==0,5

Confiabilidade
0,8

2
quantitativa
0,6
0,4 10
0,2
35
5
10
k = 0,10
Fig. 9.21 - Influncia do Parmetro de posio

( b ) na variao da Confiabilidade, modelo
Logstico.
1,0
kk == 11 bb== 55
0,5
0,5
Confiabilidade
0,8
0,6
0,1
0,1
0,4
0,2 0,01
0,01
0
0 10 20 30
Desenvolvimento durao / etapa
Desenvolvimento durao / etapa

Fig. 9.24 - Dados de entrada e valores
Fig. 9.22 - Influncia do Parmetro de forma ( calculados dos parmetros, CASO 9.06 ,
k ) na variao da Confiabilidade, modelo mtodo Logstico.
Logstico.
1,0
R
Confiabilidade do executor
0,8
0,6
0,4
0,2
0 ti 0
0 10 20
Desenvolvimento ( etapas )
Fig. 9.23 - Ocorrncia de um ponto de Fig. 9.25 - Variao do crescimento

inflexo, modelo Logstico. monitorado da Confiabilidade, CASO 9.06 ,
mtodo Logstico.
CASO 9.06 Ao executar uma tarefa um
operador apresentou os dados de Falhas e Substituindo-se os valores calculados dos
Sucessos apresentados na Fig. 9.24. parmetros na equao geral ( 9.31 ) resulta
Determinar os parmetros do modelo Logstico a equao
e a Confiabilidade prevista para a execuo R(t) = 1
de 20 tarefas. 1 + 1,2321 . e 0,0985 . t
Para a durao correspondente a t = 20

- 2 = 18 tarefas efetivas corresponde uma
Confiabilidade do operador
quantitativa
36
1
R ( 20 ) = = 0,82696
1 + 1,2321 . e 0,0985 . 18
que coincide com o valor indicado na Fig.
9.26.
Fig. 9.26 - Valor calculado da Confiabilidade,

CASO 9.06, mtodo Logstico.
Fig. 10.1 - Principais causas de falhas
10. OCORRNCIAS DE FALHAS humanas nas empresas.
No cotidiano das empresas comum CAUSAS

a ocorrncia de falhas humanas, devidas a
vrias causas e motivos, como apresentado CAUSAS
na Fig. 10.1 , ou sejam : 35
30
1. Inspeo ( 25 % )
2. Manuteno ( 22 % )
3. Operao ( 15 % ) 20
4. Gerenciamento ( 13 % ) 15
correspondendo a um total de 75 % de
causas diretas e outras ( 25 % ) de causas
indiretas da atuao humana, tais como :
PROJETO
CONHECIMENTO
PESSOAIS
PROCEDIMENTOS
1. Projeto ( 11 % )
2. Materiais ( 8 % )
3. Ambientais ( 5 % )
4. Outras ( 1 % )
As principais causas diretas de
acidentes nas empresas devidos a falhas Fig. 10.2 - Principais causas de acidentes nas
humanas, como apresentado na Fig. 10.2, empresas.
so devidas principalmente a
1. Falta de conhecimento ( 35 % ).
2. Procedimentos tcnicos incorretos ( 20 11. AVALIAO DAS FALHAS HUMANAS
% ).
3. Causas pessoais, dolos ( 15 % ). Os mtodos de avaliao correspondem
a duas situaes bsicas :
correspondendo a um total de 70 % de
causas diretas e outras ( 30 % ) de causas o Durante os perodos de aprendizagem
indiretas da atuao humana, por erros de para as tarefas ou misses.
Projeto ( concepo, execuo ). o Na execuo das atividades inerentes
Os valores das porcentagens indicadas funo.
correspondem a valores mdios ( aproximados
), oriundos de vrias fontes e da experincia Durante os perodos de aprendizagem
do autor. admite-se que as quantidades de falhas so
decrescentes ao longo da durao do
treinamento e que durante a execuo
CAUSA
SIC 2008
S Confiabilidade humana : nova metodologia de anlise qualitativa e
quantitativa
DIRETAS
2
CAUSAS
2 INDIRETA
1
37
cotidiana das tarefas as falhas so aleatrias,

desde que excludas as Transgresses Para a avaliao das tarefas executadas ,
intencionais e no intencionais, como foi sero apresentados os seguintes
apresentado no Cap. 2. procedimentos de clculo :
A quantificao das falhas humanas

pode ser obtida por dois procedimentos o Quantificao das falhas humanas [ 01 ],
bsicos : pelas definies de freqncias e
probabilidades, densidades de
o Mtodos de predio ( previso probabilidades de falhas, probabilidade
terica ); acumulada, Taxas de falhas, Confiabilidade
o Mtodos de avaliao das tarefas e Desconfiabilidade, Valor mdio e Valor
executadas. Mediano da distribuio.
a seguir descritos e comentados. o Determinao da Confiabilidade em

Eventos Binrios, ou seja, quando os dados
11.1 MTODOS DE PREDIO so referidos apenas a Falhas e Sucessos
nas tarefas executadas.
o Determinao da Confiabilidade em
Os mtodos de predio mais utilizados
tarefas com poucas ou nenhuma falha (
so:
Cap. 5 ), para distribuio incgnita.
Mtodos Simples : o Crescimento monitorado da aprendizagem
( Cap. 7 ) para o mtodo clssico ( falhas
o TESEO ( Technique for Empirical Simulation
aleatrias ).
of Errors in Operations ) : Modelo
simplificado, baseado em cinco fatores, o Tipos de dados para a anlise da
para avaliao emprica da estimativa de Confiabilidade humana ( Cap. 8 ), com
erros em operaes ( aes ). dados agrupados ou no agrupados, falhas
e sucessos, dados seqenciais, etc.
o HEART ( Human Error Assessment and
Reduction Technique ) : Modelo o Crescimento monitorado da Confiabilidade
simplificado, baseado no esforo ( Cap. 9 ) pela utilizao de mtodos
requerido, nas condies de execuo e especficos de avaliao ( Duane,
nos fatores de influncia. Gompertz, Lloyd-Lipow, Crow , Logstico ).
o Principais distribuies estatsticas e
Mtodos complexos :
correlao dos dados em falhas humanas [
01 ] pela aplicao de mtodos de anlise
o THERP ( Technique for Human Error Rate para as distribuies Gama, Weibull,
Prediction ) : Anlise do Sucesso e Exponencial, Normal, Lognormal, Logstica,
Insucesso ( falha ) em cada ao, Log-logstica e Menor valor extremo (
baseado na avaliao das aes e Gumbel ).
rvore de eventos.
que correspondem a uma anlise completa
o ASEP ( Accident Sequence Evaluation
de todos os fatores e causas que influem na
Program ).Anlise das probabilidades de
Confiabilidade humana, de modo inovativo,
erros em condies especficas ( crticas ).
pela aplicao de todas as novas tcnicas
o MPPS ( Maintenance Personnel atualmente aplicadas para equipamentos,
Performance Simulation ) : Anlise da onde :
probabilidade de Sucesso, o tempo
requerido e o Nvel de estressamento. o Os componentes e sistemas correspondem
a tarefas e misses.
Os mtodos de predio no sero
detalhados neste trabalho. o Os dados de falhas humanas no incluem
as transgresses.
Este manual adota as mesmas distribuies

aplicadas para os equipamentos, e toda a
11.2 MTODOS QUANTITATIVOS metodologia do programa Weibull ++ [ C01 ],
quantitativa
38
que permitem uma variada e completa de conhecimentos e procedimentos

anlise estatstica dos dados. Pela inferncia necessrios para uma boa execuo da
dos dados possvel a escolha da melhor tarefa ( no caso 90 % ).
distribuio e a verificao da correlao dos
dados, eliminando qualquer possibilidade de
100 %
aplicao incorreta das distribuies.
FATOR DE APRENDIZAGEM
90 %
12. COMPORTAMENTO HUMANO

BSICO COMPLEMENTAR
A anlise da Confiabilidade humana deve
considerar 20 %
principalmente os seguintes assuntos e
0%
procedimentos : 0 1 Ms Durao ( meses )
Fig. 13.1 - Principais etapas da

o As atividades Sensoriais e Cognitivas
aprendizagem e metas ( objetivos ).
Foram apresentadas as principais A determinao do Fator de
caractersticas das atividades sensoriais do Aprendizagem foi detalhada no Cap. 7.
homem ( viso, audio, tato, etc. ) e os
aspectos cognitivos relacionados lgica e 13.2. NDICE DE PERFORMANCE DE
memria envolvidas nas decises ( Cap. 3 ). ATIVIDADES
o A relao Homem - Mquina
bastante conhecida a influncia de
Foram analisadas os principais fatores que fatores ambientais e pessoais na performance
interferem na relao do homem com as humana na execuo de suas tarefas. O
mquinas, dependentes dos controles, dos estressamento fsico e ou mental influi
painis de visualizao das aes e das significativamente no desempenho das
condies ambientais, bem como dos tarefas, como apresentado na Fig. 13.2. Sem
principais procedimentos para melhorias ( nenhum estressamento ou presso positiva
Cap. 4 ). para o trabalho existe acomodao e menor
desempenho. Um pequeno estressamento
melhora a performance. Para um forte
13. NDICES DE AVALIAO E estressamento, a partir de um dado valor
DESEMPENHO mximo, a performance reduzida, podendo
atingir valores que significam baixa eficincia,
Os principais ndices aplicados ou mesmo praticamente anul-la ( 0 % ).
verificao do desempenho humano na Baixos valores do ndice de Performance ( IPE )
execuo de tarefas so : uma das principais causas de acidentes por
o Fator de aprendizagem ( FAP ). falhas humanas por alterar Procedimentos que
normalmente seriam plenamente executados
o ndice de performance de atividades ( e anular aes Pessoais ( Fig. 13.2 ) .
IPE ).
o ndice de vigilncia ou alerta ( IVI ).
a seguir descritos 100 MX.
NDICE DE PERFORMANCE, %
13.1 FATOR DE APRENDIZAGEM
O desenvolvimento da aprendizagem
geralmente corresponde a duas fases ( etapas
) como apresentado na Fig. 13.1,
correspondentes a um treinamento Bsico e
um Complementar.
Pode-se admitir que exista um GANHO PERDA
conhecimento prvio ( no caso 20 % ), e que o
treinamento Bsico corresponda quantidade
0
SIC 2008 Confiabilidade humana : nova metodologia de anliseEstressamento,
qualitativa e % 10
quantitativa
39
14.1 FUNES ALTAMENTE ESPECIALIZADAS

E CLONAGEM .
Fig. 13.2 - Variao tpica do ndice de
Performance ( IPE ) Na poca atual, com grandes
desenvolvimentos tecnolgicos,
13.3 NDICE DE VIGILNCIA ( OU ALERTA ) principalmente na biologia e na medicina, os
seres humanos so altamente pressionados por
As funes ( tarefas ) de vigilncia so maior capacitao fsica e mental, pelos
bastante afetadas por sua durao desafios de uma sociedade com bilhes de
prolongada, como apresentado na Fig. 13.3. A pessoas em um espao terrestre limitado.
partir de um valor inicial, admitindo-se pleno Muitas atividades humanas exigem bitipos
preparo para a tarefa ( 100 % ), a funo especiais, principalmente nos esportes,
decrescente. Elas exigem um rodzio dos criando-se ( ou formando-se ) seres humanos
vigilantes, por exemplo, quando o ndice altamente especializados. Maior altura, massa
atinge o valor 0,99 ( 99 % ). Algumas funes muscular, atividades sensoriais especiais (
de inspeo de componentes ou odores, sabores, etc. ) so exigncias atuais
equipamentos enquadram-se nesta funo, de muitas atividades esportivas e industriais.
sendo tpicas em atividades militares Recordes mundiais so freqentemente
( sentinelas ). Para grandes duraes a ultrapassados em um crescendo continuado.
vigilncia pode ser completamente anulada (
Estas consideraes levam s seguintes
0 % ), por exemplo, caso do sentinela dormir.
polmicas questes atuais :
Em vos prolongados os pilotos das aeronaves
executam vrios controles com objetivos o Os seres humanos esto inevitavelmente
complementares ao piloto automtico, pressionados a desenvolver capacidades
mantendo a vigilncia . especiais ?
o A clonagem de seres humanos especiais
10 99 % ser aplicada ?
o A capacidade neural ser aumentada ?
A resposta a estas questes sim, a
NDICE DE VIGILNCIA , %
despeito de todas as questes relevantes.
14.2 ROBOTIZAO
O atual grande desenvolvimento da

informtica, da automao industrial e das
EFETIVO DEFICIENT telecomunicaes, apresenta-se com
conseqncias bastante previsveis para o
futuro. A relao homem - mquina , como
0 apresentado no Cap. 4, ser altamente
Durao , % 10 desenvolvida, com robotizao " quase
humana ", onde as mquinas s no teriam
Fig. 13.3 - Variao tpica do ndice de
sentimentos ( amor, dio, compaixo, ... ).
Vigilncia ( IVI ).
Este desenvolvimento ser possvel com a
14. ASSUNTOS PARA FUTURAS ANLISES aplicao de Sensores altamente precisos
para detectar estmulos sensoriais ineficientes
Os seguintes assuntos no sero nos homens, que so mais desenvolvidos em
detalhados neste trabalho, por serem muitos animais,como foi apresentado no Cap.
polmicos e envolverem opinies pessoais e 4 ( viso, audio, olfato e paladar, tato ).
mesmo religiosas , quais sejam : As fbricas do futuro sero altamente
o Funes altamente especializadas e robotizadas, com os homens na funo de
clonagem humana. Supervisores dos sistemas e as mquinas como
o Robotizao quase plena. Operadoras ( Cap. 4 ). Imagine-se um jato
o Sociedades humanas altamente comercial com o piloto ( supervisor ) apenas
especializadas. para aes passivas, sem poder interferir

quantitativa
40
diretamente no comando da aeronave, que de clculo, com uma abordagem mais

integralmente realizado por computadores e quantitativa ( parametrizao ) do que
sensores. A piada corrente que seria qualitativa ( psicolgicas, ambientais, sociais,
necessrio um cachorro como co-piloto, cuja etc. ). A abordagem quantitativa foi possvel
funo seria impedir o piloto de mexer nos pela excluso nos dados de falhas das
comandos...Se mexer levaria uma mordida... Transgresses ( intencionais e no -
intencionais ), por serem imprevisveis, motivo
O desafio atual at onde pode-se
de limitaes e grande impreciso de muitas
automatizar e aproveitar todas as funes
metodologias atuais.
cognitivas dos homens ( Cap. 3 ).
Algumas inovaes importantes foram
14.3 O MUNDO GLOBAL DO FUTURO introduzidas nas anlises. As metodologias
para o clculo da Confiabilidade e do seu
Ser inevitvel a criao de um governo Crescimento monitorado agora podem ser
central do planeta Terra, para harmonizar aplicadas, considerando-se que os
todos os conflitos tnicos, religiosos e equipamentos produzidos e os servios
econmicos. A atual globalizao das executados so os produtos finais da atuao
economias ser expandida, envolvendo humana. Das atividades humanas resultam
tambm novas tecnologias e o tarefas e misses a serem cumpridas, onde
desenvolvimento humano para tarefas inevitavelmente ocorrem falhas e sucessos,
altamente especializadas, com atuao em que podem ser quantificados e analisados.
ambientes inspitos ( calotas polares, fundo
A atuao do homem pode ser dividida
dos oceanos, desertos, cordilheiras, matas
em duas fases distintas: o aprendizado (
equatoriais, etc. ).
treinamento ) e a atuao normal ( preparado
Uma das questes altamente polmicas para a tarefa ). Como o aprendizado nunca
a reproduo humana para cont-la dentro perfeito ( 100 % ) surgiro falhas posteriores na
dos limites de sustentabilidade do planeta, execuo das tarefas, que adicionalmente
quase no limite de seu equilbrio ambiental, podem ser afetadas por fatores inerentes ao
pela intensa poluio da terra, mar e ar, homem ( estressamento, fadiga, senilidade
surgindo ento as seguintes questes : etc. ) e ambientais ( temperatura, poeira,
radiao, etc. ), principalmente para
o A reproduo humana e a durao
extremos.
da vida sero limitadas ou
prolongadas pelo avano gentico e Os aspectos Cognitivos ( reao a
da medicina ? estmulos ) foram abordados na anlise da
relao Homem - Mquina, para definio e
o Ocorreria reproduo assexuada, com
anlise de opes de automatizao, onde as
fmeas geradoras de vulos e machos
mquinas atuam basicamente como
seletivos ?
operadoras ( executoras ) e os homens como
monitores ( supervisores ).
A resposta a estas questes polmicas A metodologia de verificao do
sim, pois haveria um controle parcial da aprendizado foi parametrizada,
reproduo. principalmente pela aplicao do programa
computacional RGA ( Reliability Growth
15. ASSUNTOS NO ABORDADOS Analysis ). As dificuldades anteriormente
existentes foram suprimidas por uma
Os principais assuntos no abordados neste conveniente classificao e aplicao dos
trabalho so : dados obtidos nas tarefas sob teste (
o Anlise de riscos, como o HAZOP [ 16 ]. falhas, sucessos, seqenciais, agrupados, etc.),
o Mtodos preditivos de anlise das relacionados a uma conveniente distribuio
atividades humanas. estatstica do crescimento monitorado (
Duane, Gompertz, Crow, Lloyd-Lipow, Logstica
16. PRINCIPAIS CONCLUSES ).
Os clculos ( estimativas ) das
Este trabalho foi concebido como um guia Confiabilidades humanas pode ser baseado
prtico para a anlise da Confiabilidade nas mesmas distribuies gerais aplicadas
humana, incorporando novas metodologias
quantitativa
41
para os equipamentos, ou seja as distribuies [ 06 ] SIC 2006 . Lessa, Sergio ( COELBA ) ; Falha
tipo Gama, Weibull, Exponencial, Normal, humana em operao e manuteno de
Lognormal, Logstica, Log-logstica, Menor subestaes.
Valor Extremo, cada uma delas [ 07 ] SIC 2006 . Rocha, Gustavo ( Bureau
correspondente a um dado tipo de tarefa ou Veritas do Brasil ) ; Inspeo baseada em risco.
misso, de modo a melhor representar a
[ 08 ] SIC 2006. Dias, Acires ( UFSC
ocorrncia das falhas humanas. As falhas
Universidade Federal de Santa Catarina ).
podem ocorrer on incio ou no fim dos
Metodologia para identificao, classificao
perodos de atuao, serem aleatrias,
e avaliao de perigo em sistemas tcnicos.
concentradas ao redor de um valor mdio (
simtricas ou no ) , e outros tipos. [ 09 ] SIC 2005. Queiroz da Silva, Cndido Lus
( Petrobrs REDUC/ER/TM ). Confiabilidade
Alguns aspectos polmicos do Humana vetor fundamental para a
desenvolvimento humano foram sucintamente excelncia empresarial.
abordados, principalmente a aplicao de
[ 10 ] SIC 2004 . Alves, Jos Lus Lopes ( Rhodia
altas especializaes para atividades
). Confiabilidade humana o fator humano.
especficas e a inevitvel clonagem para
obt-las. A cada dia surgem novas [ 11 ] SIC 2003 . Embrey, D. The Role of Human
especializaes humanas para atividades Error in Chemical Process Safety.
especficas nas industrias alimentares, de [ 12 ] Pedrassani, E. L. Mtodo para registro,
cosmticos , de perfumarias, e principalmente anlise e controle de falhas humanas na
nos esportes, onde recordes so rpida e manuteno de centrais hidreltricas. XVI
constantemente ultrapassados. SNPTEE ( Seminrio Nacional de Produo e
Transmisso de Energia Eltrica ).Campinas, SP.
Esperamos que a abordagem de todos os
2001.
assuntos mencionados neste manual fornea
uma consistente base para a anlise da [ 13 ] Ribeiro, S .L .O . Carga de trabalho e
Confiabilidade humana. Atualmente ocorre automao: estudo da cabine de vo do
um grande desenvolvimento das anlises da ponto de vista da ergonomia cognitiva. Tese
Confiabilidade humana, algumas vezes de doutorado, UFRJ, Rio de Janeiro, 2003.
baseadas em procedimentos imprecisos ou [ 14 ] Lima, M. C. E. Anlise do potencial de
muito simplificados, que implicam em falhas humanas em atividades de
significativos erros de avaliao das tarefas. manuteno. Tese de Mestrado, Engenharia
Este trabalho visa um auxlio para novas de Produo, UFF, 2002.
abordagens, atualmente pouco [ 15 ] Figuera Filho, C. L. S . Um mtodo
desenvolvidas. para avaliao de falhas humanas na
manuteno de aeronaves. Tese de
Mestrado,Engenharia de Produo, UFBA,
BIBLIOGRAFIA RECOMENDADA 1999.
[ 16 ] Alves, J .L .L . A tcnica Hazop como
ferramenta de aquisio de dados para
[ 01 ] Pallerosi, Carlos A. , Confiabilidade
avaliao da confiabilidade humana na
Humana. Vol.10, Confiabilidade, a quarta
industria qumica. Tese de Mestrado, Instituto
dimenso da Qualidade, ReliaSoft Brasil, 2007.
de Matemtica, Estatstica e Cincia da
[ 02 ] Programa RGA ( Reliability Growt ) , Computao, UNICAMP, Campinas, SP. , 1997
ReliaSoft Brasil. 2006.
[ 17 ] Filgueiras, L. V. L. Mtodo para anlise de
[ 03 ] Programa Weibull ++, ReliaSoft Brasil, projeto homem - computador visando
2007. confiabilidade humana.
[ 04 ] SIC 2006 . Dias, Acires ( UFSC ) Tese de doutorado, Engenharia de
Metodologia para avaliao e gerenciamento Computao e Sistemas Digitais, EPUSP, So
de risco. Paulo, 1996.
[ 05 ] SIC 2006 . Celso da Silva, Paulo ; Pedroso
de Souza, Fabrcio ( Embraer ) ; A Obs. : Na referencia [ 01 ] encontra-se uma
confiabilidade e a avaliao de segurana vasta bibliografia sobre o assunto.
no projeto aeronutico.

quantitativa
42
Contatos ( autor ) : pallera@uol.com.br
(1)

quantitativa

Metodos paraT2-S1 Paper

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Metodos paraT2-S1 Paper

Uploaded by

Copyright:

Available Formats

1

Prof. Dr. Carlos Amadeu Pallerosi

SIC 2008 Confiabilidade humana : nova metodologia de anlise qualitativa e

Fig. 1.1 - Variao da Confiabilidade e da

Princpio bsico : No existem pessoas

RH = 1 - F H Errar " humano ".

As Falhas humanas, como apresentado na

SIC 2008 Confiabilidade humana : nova metodologia de anlise qualitativa e

Os Erros podem ser classificados em Deslizes

Inaptido fsica ou mental, geradora de

Ocorrem apesar de possuir a

determinada misso ( ou ao ) conforme mazelas humanas do que propriamente a

As principais causas dos Enganos

Suas principais ocorrncias so devidas

de trabalho, quando anteriormente viveu A memria pode ser dividida em duas

Na natureza, as atividades sensoriais so A capacidade neural dos seres humanos

Cachorro, tubaro : olfato apurado. A memria humana pode armazenar e

Os seres humanos distinguem-se Memria Sensorial, atravs dos estmulos

1. ESTMULOS SENSORIAIS Com a progressiva idade as pessoas

SIC 2008 Confiabilidade humana : nova metodologia de anlise qualitativa e

- Anlise sensorial : viso da posio dos

Fig. 3.2 - Exemplo de ao cognitiva (

3.3 ASPECTOS COGNITIVOS DA REAO

Fig. 3.1 - Resposta a estmulos ( aspecto AO DEFENSIVA : Passa a deciso para

INCAPACIDADE MENTAL TEMPORRIA : As Mquinas devem ser adaptadas ao

4. RELAO HOMEM - MQUINA

O sistema Homem - mquina constitudo Fig. 4. 1 - Componentes e fatores do sistema

Algumas caractersticas bsicas devem ser

SIC 2008 Confiabilidade humana : nova metodologia de anlise qualitativa e

Mquina : projeto adequado dos controles

administrativos, carga de trabalho, fatores

Fig. 4.2 - Temperatura e umidade relativa do

Fig. 4.3 - Assimetria de formas e posies

SIC 2008 Confiabilidade humana : nova metodologia de anlise qualitativa e

retaguarda em situaes de emergncia, ele

Corte de materiais em dimenses erradas ; Erro total = 0,0006 + 0,00003 +0,0003 +

SIC 2008 Confiabilidade humana : nova metodologia de anlise qualitativa e

4.4 PRINCIPAIS CONDIES NOS SISTEMAS CASO 4.01 Comparar a Confiabilidade de

1 . CAPACIDADE PESSOAL Quando existe uma falha detectada nos

O detalhamento destas condies no Computador Computado

SIC 2008 Confiabilidade humana : nova metodologia de anlise qualitativa e

Comparando-se os valores das O valor da Confiabilidade Humana,

plenamente capaz ( confivel ) para

CASO 5.01 Determinar a Confiabilidade de No Cap. 6 da referencia [ 01 ] so

SIC 2008 Confiabilidade humana : nova metodologia de anlise qualitativa e

o mtodo apresenta uma limitao prtica, e

onde a varivel i = 0, 1, 2, ... , n Objetivo Dados necessrios

SIC 2008 Confiabilidade humana : nova metodologia de anlise qualitativa e

Quantidade Confiab. ( R ), Tarefas ( n ),

No caso geral de ocorrerem r falhas,

Pode-se obter um valor aproximado,

o Grau de liberdade , e r a quantidade de

Os valores utilizados no clculo da

c ) R = 90 , n = 100 , r = 1 : C = 0,9629 ( ~96 %

Fig. 6.3 Uso do programa Weibull para

SIC 2008 Confiabilidade humana : nova metodologia de anlise qualitativa e

Os procedimentos bsicos no decorrer do

A Metodologia do aprendizado e os fatores

7.1.3 METODOLOGIA BSICA DOS TESTES

para um bom aprendizado deve-se considerar

O mtodo clssico admite que as falhas

durao t f para atingir um valor R = 0,90 ( 90

da quantidade dos dados observados ( Durao at falha ( ou recolocao ), sem