A Cranfield University é uma instituição totalmente devotada à pós-graduação com uma reputação mundial por sua excelência e experiência nos setores aeroespacial, automotivo, defesa, engenharia, meio ambiente e água, saúde, gerenciamento e manufatura. É uma das cinco melhores universidades de pesquisa no Reino Unido e combina estudos e qualificações acadêmicas com o foco comercial e de negócios dos setores.

Começando com Design do Produto e @RISK
Um projeto recente focando em equipamento submarino para o seto de óleo e gás na Cranfield University forneceu evidência para gerentes que um melhor retorno sobre o investimento (ROI) é atingido através da melhoria da confiabilidade de longo prazo de um produto como resultado de se gastar tempo e recursos cedo no ciclo de vida de design do produto. O projeto foi pago em parte pelo Conselho de Pesquisa em Engenharia e Ciências Físicas (EPSRC), a agência principal do Reino Unido para fomentar pesquisa e treinamento em engenharia e nas ciências físicas.

A Escola de Ciências Aplicadas da Cranfield usa o software @RISK da Palisade para calcular a probabilidade de falha dos equipamentos submarinos de produção de óleo e gás, e o custo total ao longo do ciclo de vida do projeto, se o mesmo for realizado. O @RISK é um add-in do Excel que usa Simulação de Monte Carlo para mostrar todos os potenciais cenários, fornecendo ao tomador de decisão a fotografia mais completa possível.

Equipamentos submarinos de óleo e gás podem ser exigidos para funcionar abaixo de 2000m do nível do mar. Isto significa que a falha de qualquer produto ou componente do produto tem enormes ramificações. Há as considerações práticas do trabalho de reparo difícil, bem como os aspectos financeiros. Por exemplo, o custo de um navio de suporte podem ser superior a US$ 200.000 por dia dependendo da severidade do problema e o tempo que se leva para restaurar um sistema a seu funcionamento normal, o custo total da intervenção pode ser superior a US$ 10.000.000. Adicionalmente pela duração de tempo fora de operação, o óleo e gás não está sendo produzido, o que resulta em um custo de oportunidade.

@RISK Combina Técnicas de Análise de Risco
O @RISK permite à Cranfield integrar os elementos críticos de duas técnicas centrais de análise de risco usadas comumente no campo da engenharia, RAM (Confiabilidade, Disponibilidade e Manutenabilidade) e Análise de Custo do Ciclo de Vida (LCC). O RAM foca na habilidade geral de uma instalação realizar suas funções requeridas ao longo do período de tempo para o qual foi projetada para ser usada. Ele faz isso através da análise da performance de cada componente separado do sistema e combinando os resultados para prever o tempo total pelo qual o equipamento estará disponível. A Análise de Custo de Ciclo de Vida calcula o custo de um sistema ao longo de toda a sua vida, levando em conta o custo real de reparo do equipamento e a receita perdida devido a não ser capaz de produzir óleo e gás durante o tempo de reparo.

Tradicionalmente as disciplinas são desenvolvidas de forma isolada, então é difícil obter uma estimativa precisa do custo total do sistema em quebra ao longo do seu ciclo de vida. O @RISK combina inputs do RAM e do LCC – como definidos pelos gerentes de projetos da Cranfield, em um modelo, e então roda milhares de simulações para mostrar uma distribuição de todas os possíveis resultados de perfomance das instalações, a probabilidade de cada resultado ocorrer e as implicações de custo do ciclo de vida para cada resultado de performance.

@RISK Dá Confiança para Investir em Desenvolvimento do Produto
Karl Woods, Engenheiro de Pesquisa Doutor em Engenharia da Cranfield explica: “Os anos 1970 viram uma mudança no pensamento para se considerar todo o ciclo de vida do produto e a realização de que é benéfico fazer as coisas confiáveis ao longo do período de tempo mais longo possível e prático. Entretanto isto é em geral desbalanceado pela reticência compreensível das companhias em gastar dinheiro antecipadamente em algo que ainda não foi provado e cujo resultado é incerto. A análise sofisticada do @RISK nos permite medir os desconhecidos e combinar as previsão de confiabilidade com os custos de quebra, ilustrando que a falta de investimento em produzir um produto mais confiável pode ser uma falsa economia no longo prazo.”

A confiabilidade de cada componente de um sistema pode ser convertida em um distribuição de “tempo de falha” – ou seja a probabilidade de quanto tempo levará até necessitar reparo. Estes elementos todos são definidos como distribuição de inputs para o modelo no @RISK, que ajuda a calcular a que ponto no seu ciclo de vida o produto possui maior probabilidade de falhar.

@RISK provê aos usuários finais uma escolha de outputs como o Valor Presente Líquido (VPL), a Taxa Interna de Retorno, Custo Técnico Padrão (o preço mínimo de venda de óleo necessário para que a instalação seja lucrativa), Custo de Ciclo de Vida e disponibilidade do Sistema, que eles selecionarão dependendo de suas necessidades. Por exemplo, usando o modelo de distribuição que mostra o break even (o ponto no qual o VPL de um projeto chega primeiro a zero) é uma medida útil de confiabilidade – quanto mais robusto for um sistema, mais cedo poderá gerar lucro. Uma das funcionalidades mais úteis do @RISK é sua habilidade de gerar representações gráficas do que ocorreria ao invés de fornecer um output do que é esperado ocorrer (um valor médio). Como resultado, as companhias podem calcular precisamente que nível de investimento no design do produto fornecerá o melhor ROI no longo prazo.

@RISK Pesa a Significância de Componentes Individuais
Os cálculos são aprimorados pela análise de sensibilidade do @RISK que leva em conta que o componente em um sistema complexo que é mais sensível em termos de confiabilidade não é necessariamente o mais sensível em termos de custo.

Por exemplo, o componenteA possui uma taxa de falha alta, mas é fácil de manter, logo não causa problemas grandes se parar de funcionar. Por outro lado, o componente B, embora mais confiável, leva um longo tempo para ser reparado quando falha e assim possui um efeito mais adverso no sistema completo e custo total do tempo de quebra. De forma geral, o @RISK demonstra que é mais benéfico investir em um componente B mais robusto.

Woods conclui: “A análise de sensibilidade do @RISK significa que podemos pesar a significância de falha para cada elemento de uma peça complexa de um equipamento. Usuários finais são então completamente informados e podem precisamente apontar onde investir em maior design do produto, dando a confiança que eles estão fazendo o uso mais efetivo de seus recursos.”

Mais Detalhes

» @RISK
» Cranfield University